余光華

(湛江師范學(xué)院信息與教育技術(shù)中心，廣東 湛江 524048)

責(zé)任編輯:時(shí) 雯

數(shù)字圖像在獲取過程以及后續(xù)的存儲(chǔ)、傳輸?shù)拳h(huán)節(jié)中，不可避免地受到噪聲的干擾。為了對(duì)數(shù)字圖像進(jìn)行更好的研究和應(yīng)用，有必要對(duì)圖像中的噪聲加以抑制，以最大限度恢復(fù)圖像中的目標(biāo)細(xì)節(jié)信息，提高圖像的清晰度。干擾圖像的噪聲種類繁多，主要有高斯噪聲、脈沖噪聲、瑞利噪聲、泊松噪聲等，但其中的高斯噪聲和脈沖噪聲則較為常見。高斯噪聲包括電子電路產(chǎn)生的噪聲或是由于在照明度低、溫度高情形下圖像傳感器生成的噪聲;來源于圖像傳感器、傳輸信道、解碼過程中產(chǎn)生的黑白點(diǎn)噪聲則稱之為脈沖噪聲，當(dāng)該類噪聲處于飽和狀態(tài)時(shí)，即為椒鹽噪聲。高斯噪聲密度大、噪聲強(qiáng)度的波動(dòng)范圍較寬，圖像受該類噪聲的干擾程度不僅會(huì)隨著灰度級(jí)的不同而有所差異，并且在同一灰度級(jí)上也不盡一致，相對(duì)于椒鹽噪聲難以濾除［1］。

抑制圖像中的噪聲大體上有兩類方法:一類是基于圖像增強(qiáng)技術(shù)的方法，該類方法只需針對(duì)圖像感興趣區(qū)域采用圖像增強(qiáng)方法對(duì)圖像灰度動(dòng)態(tài)范圍加以改善，從而提高圖像的視覺效果;另一類是濾波方法，即對(duì)圖像采用各類濾波方法對(duì)噪聲加以排除。目前學(xué)術(shù)界對(duì)濾波方法研究主要有以下幾個(gè)方向:1)單一濾波器及其改進(jìn)算法，如中值濾波，在此基礎(chǔ)上發(fā)展而來的加權(quán)中值濾波［2］、多級(jí)中值濾波［3］、開關(guān)中值濾波［4］、極值中值濾波［5］等算法;2)具有嚴(yán)密的數(shù)學(xué)理論基礎(chǔ)的濾波方法，如形態(tài)學(xué)濾波［6］、小波去噪［7］、偏微分方程去噪［8］等;3)組合濾波方法，即充分發(fā)揮各類濾波算法的優(yōu)勢(shì)，取長補(bǔ)短對(duì)圖像噪聲進(jìn)行有效濾除，如文獻(xiàn)［9－11］。單一濾波算法盡管得到一些改進(jìn)，在濾波性能上得到一定程度的提升，但不免增加了計(jì)算復(fù)雜度，并且每一類算法在提升到一定程度時(shí)也難以再有所突破。組合濾波方法相對(duì)來說則較為靈活，可針對(duì)圖像噪聲，對(duì)各類濾波方法加以有機(jī)結(jié)合，不但提高了計(jì)算效率，濾波效果也較為理想，因此，該類濾波方法具有較好的研究和應(yīng)用前景。

針對(duì)中值濾波對(duì)高斯噪聲基本無能為力的缺陷，本文嘗試對(duì)其進(jìn)行改進(jìn)，用于圖像高斯噪聲的抑制處理。將改進(jìn)中值濾波器與小波域均值濾波器有機(jī)結(jié)合實(shí)現(xiàn)對(duì)高斯噪聲的逐次濾波。在此基礎(chǔ)上，結(jié)合圖像增強(qiáng)技術(shù)，提出了一種具有增強(qiáng)效果的高斯噪聲組合濾波算法。

1 本文算法基本流程

1.1 改進(jìn)中值濾波算法

中值濾波(Median Filter，MF)是一類基于統(tǒng)計(jì)排序理論的非線性濾波方法，通過設(shè)計(jì)一定大小的窗口(濾波模板)在圖像中滑動(dòng)，對(duì)圖像中某點(diǎn)在窗口中涉及到的所有像素點(diǎn)的灰度值進(jìn)行排序，取其中間值作為該點(diǎn)的灰度值。因此，能否根據(jù)噪聲的強(qiáng)度和類型設(shè)計(jì)合適的濾波模板則成為制約中值濾波處理效果的關(guān)鍵因素。一般來說，模板過大對(duì)噪聲的濾波效果較為理想，但對(duì)于圖像邊緣等細(xì)節(jié)信息的模糊也是不可避免的;模板過小盡管不會(huì)不顯現(xiàn)模糊圖像細(xì)節(jié)信息，但無法盡可能排除噪聲的干擾。近年來，學(xué)者們針對(duì)中值濾波的濾波模板也進(jìn)行了一系列改進(jìn)，如加權(quán)中值濾波［2］通過對(duì)濾波模板中各灰度值賦予一定的權(quán)值，進(jìn)行適當(dāng)?shù)臄U(kuò)展從而改變模板大小。此外，多級(jí)中值濾波［3］對(duì)噪聲圖像進(jìn)行多尺度逐級(jí)中值濾波以盡可能濾除噪聲，同時(shí)避免圖像出現(xiàn)模糊。

鑒于不同大小的濾波模板具有不同的性能，以及受多級(jí)中值濾波思想的啟發(fā)，從濾波模板的角度，對(duì)經(jīng)典中值濾波進(jìn)行適當(dāng)改進(jìn)，對(duì)圖像高斯噪聲進(jìn)行多角度、多尺度、逐級(jí)中值濾波。改進(jìn)中值濾波方法的基本步驟是:1)分別設(shè)計(jì)出尺度為3和5的水平和垂直方向的兩類一維模板，實(shí)現(xiàn)這兩個(gè)方向的逐級(jí)濾波，濾波模板如圖1所示;2)經(jīng)過上述處理后，水平和垂直方向噪聲基本濾除，但對(duì)角線方向噪聲仍存在，并且相對(duì)于整幅圖像而言，更為孤立，可采用二維3×3濾波進(jìn)行處理，改進(jìn)中值濾波基本思路如圖2所示。

1.2 小波域均值濾波

與MF類似，均值濾波(AF)也是一類基于模板操作的濾波方法，通過對(duì)圖像中某一像素點(diǎn)一定大小窗口內(nèi)的所有像素取平均值作為該點(diǎn)的輸出值，從而實(shí)現(xiàn)對(duì)噪聲的抑制，是一種經(jīng)典的空間域線性濾波方法。當(dāng)圖像中混有加性噪聲特別是高斯噪聲時(shí)，采用AF可快速排除噪聲干擾，但對(duì)于高強(qiáng)度的噪聲，也會(huì)導(dǎo)致影像出現(xiàn)不同程度的失真。小波變換能夠?qū)D像進(jìn)行多分度的分解，可以獲得高頻和低頻兩類子帶圖像。并且該兩類圖像所含信息是不同的，低頻圖像包含原始圖像絕大部分信息，而高頻圖像則是原始圖像高頻信息的反映，相對(duì)來說，信息量較少。

在1.1節(jié)的步驟中，對(duì)噪聲圖像進(jìn)行改進(jìn)MF處理，可濾除一大部分噪聲，對(duì)于混有殘余噪聲圖像，如果僅進(jìn)行空間域均值濾波處理，則濾波效果也不太理想。小波變換對(duì)信號(hào)能量具有“集中”的特性，即噪聲信號(hào)基本集中于高頻子圖像中，而低頻子圖像基本不受噪聲的干擾。盡管各高頻子圖像中，高頻信息特別是噪聲集中于特定方向分布，但總體來說，噪聲基本處于孤立狀態(tài)，因而可對(duì)殘余噪聲圖像進(jìn)行小波域均值濾波，可獲得較好的濾波效果。

根據(jù)以上分析，本文對(duì)經(jīng)1.1節(jié)處理后的圖像進(jìn)行小波域均值濾波處理。具體步驟為:1)對(duì)殘余噪聲圖像進(jìn)行二維多尺度分解(尺度為3，小波基函數(shù)為“sym8”)，獲得低頻子圖像LL，水平方向高頻子圖像LH，垂直方向高頻子圖像HL以及對(duì)角線方向高頻子圖像HH;2)低頻子圖像LL不作處理，對(duì)于高頻子圖像(LH，HL，HH)分別進(jìn)行模板為二維3×3和5×5的多尺度逐級(jí)均值濾波處理，獲得濾波后的高頻子圖像(LH'，HL'，HH');3)將高頻子圖像(LH'，HL'，HH')與低頻子圖像LL進(jìn)行小波重構(gòu)。

1.3 小波域增強(qiáng)函數(shù)設(shè)計(jì)

對(duì)圖像進(jìn)行灰度拉伸，實(shí)現(xiàn)圖像動(dòng)態(tài)范圍有效改善，以盡可能突出圖像感興趣目標(biāo)信息的處理方法稱之為圖像增強(qiáng)。圖像增強(qiáng)技術(shù)大體上有兩類:一類是對(duì)圖像按照一定的函數(shù)進(jìn)行灰度變換，按照函數(shù)的類型，該類方法可分為非線性變換、線性以及在此基礎(chǔ)上發(fā)展的分段線性變換等;另一類是對(duì)反映圖像灰度分布的直方圖進(jìn)行諸如直方圖規(guī)定化、直方圖均衡化等處理以實(shí)現(xiàn)影像增強(qiáng)。圖像經(jīng)過上述處理后，盡管能夠取得一定的增強(qiáng)效果，但由于上述方法是對(duì)整幅圖像采用單個(gè)方法進(jìn)行增強(qiáng)，圖像感興趣目標(biāo)信息無法有效突出，并且在圖像含有少量噪聲情形下，上述方法無法在突出圖像信息的同時(shí)對(duì)噪聲進(jìn)行有效抑制。

噪聲圖像先后經(jīng)過1.1節(jié)和1.2節(jié)的濾波后，噪聲基本得到濾除，但為了獲得灰度動(dòng)態(tài)范圍較好的圖像，有必要對(duì)其進(jìn)行增強(qiáng)處理。本文受分段線性變換增強(qiáng)方法的啟發(fā)，將線性變換與非線性變換方法引入到小波域中，提出了一種新型小波域增強(qiáng)函數(shù)模型。該函數(shù)模型可表示為

綜上所述，本文濾波方法主要由3部分構(gòu)成:1)對(duì)噪聲圖像進(jìn)行改進(jìn)MF，以排除一部分噪聲的干擾;2)對(duì)改進(jìn)MF后的殘余噪聲圖像進(jìn)行小波域多級(jí)均值濾波處理，基本濾除圖像噪聲;3)對(duì)上述濾波后的圖像進(jìn)行小波域增強(qiáng)處理，以改善圖像灰度分布，提高視覺效果。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)結(jié)果評(píng)價(jià)方法

對(duì)于濾波后圖像質(zhì)量的評(píng)價(jià)，目前大體上有主觀和客觀兩類方法。主觀方法主要是人對(duì)圖像質(zhì)量進(jìn)行主觀判斷，如主觀評(píng)分法(MOS)、平均主觀分?jǐn)?shù)差異法(DMOS)等，但該類方法評(píng)價(jià)效果受到評(píng)價(jià)者的專業(yè)水平和數(shù)量等因素的限制;客觀方法主要是采用計(jì)算濾波后圖像的一些數(shù)值指標(biāo)來實(shí)現(xiàn)對(duì)圖像質(zhì)量的評(píng)價(jià)，代表性的有PSNR和MSE等。近年來基于人眼視覺系統(tǒng)(HVS)［12］的評(píng)價(jià)方法，如結(jié)構(gòu)相似度(SSIM)［13］法得到了一定發(fā)展，理論上評(píng)價(jià)效果優(yōu)于PSNR和MSE。但由于PSNR和MSE等指標(biāo)易于編程實(shí)現(xiàn)，且計(jì)算效率高，數(shù)值大小能基本反映出圖像質(zhì)量優(yōu)劣等特性，仍是主流的評(píng)價(jià)方法。因此，本文對(duì)濾波后圖像質(zhì)量進(jìn)行主觀分析的同時(shí)，采用PSNR和MSE指標(biāo)對(duì)其進(jìn)行客觀評(píng)價(jià)。

2.2 實(shí)驗(yàn)結(jié)果與分析

2.2.1 改進(jìn)中值濾波性能測(cè)試

為了測(cè)試該類改進(jìn)中值濾波對(duì)于高斯噪聲的抑制效果，對(duì)一幅灰度級(jí)為256，大小為512×512的“l(fā)ena.bmp”圖像，加入均值為0、不同方差的高斯白噪聲進(jìn)行測(cè)試。定義PSNR值對(duì)測(cè)試結(jié)果進(jìn)行定量評(píng)價(jià)，實(shí)驗(yàn)結(jié)果如圖3和表1所示。

對(duì)圖3和表1數(shù)據(jù)進(jìn)行分析可知，圖3e清晰度優(yōu)于圖3c和圖3d，并且在邊緣細(xì)節(jié)保持方面相對(duì)于前兩幅圖像而言也有一定優(yōu)勢(shì)。這體現(xiàn)在表1中，但高斯白噪聲方差為0.03時(shí)，改進(jìn)MF優(yōu)于AM達(dá)3～4 dB左右，并且當(dāng)噪聲處于0.09時(shí)，改進(jìn)MF的PSNR值仍高于AM。這可充分表明，改進(jìn)AM方法，對(duì)于圖像高斯白噪聲的濾波具有較好的效果。

圖3 改進(jìn)中值濾波性能測(cè)試

表1 改進(jìn)中值濾波器PSNR

2.2.2 本文濾波算法性能測(cè)試

為了測(cè)試本文濾波方法的性能，在MATLAB7.0環(huán)境下，編寫相關(guān)程序?qū)D3a所示的大小為512×512、灰度為256級(jí)的“l(fā)ena.bmp”圖像進(jìn)行濾波實(shí)驗(yàn)。通過對(duì)該測(cè)試圖像加入均值為0、不同強(qiáng)度的高斯白噪聲，并與文獻(xiàn)［1］和文獻(xiàn)［9］進(jìn)行性能比較。實(shí)驗(yàn)結(jié)果如圖4和表2、表3所示;本文濾波方法中，小波域增強(qiáng)函數(shù)系數(shù)在不同高斯白噪聲強(qiáng)度下的取值，如表4所示。

圖4 幾種濾波方法試驗(yàn)結(jié)果

表2 幾種濾波方法的PSNR

表3 幾種濾波方法的MSE

表4 不同噪聲強(qiáng)度下小波域增強(qiáng)函數(shù)系數(shù)取值

對(duì)試驗(yàn)結(jié)果進(jìn)行分析如下:

1)濾波實(shí)驗(yàn)結(jié)果分析

(1)主觀分析:噪聲圖像經(jīng)過文獻(xiàn)［1］和文獻(xiàn)［9］濾波后，圖像信息集中于較大的灰度級(jí)上，表現(xiàn)為圖像較為暗淡，并且圖像臉部、帽沿等細(xì)節(jié)信息出現(xiàn)一定程度的模糊，整體視覺效果不太理想;相對(duì)而言，圖4d視覺效果與原始圖像圖3a最為接近，灰度動(dòng)態(tài)范圍得到有效改善，清晰度優(yōu)于圖4b和圖4c。

(2)客觀分析:整體上看，無論是文獻(xiàn)［1］、文獻(xiàn)［9］還是本文濾波方法，當(dāng)噪聲強(qiáng)度逐漸增大時(shí)，PSNR值逐漸減少、MSE值持續(xù)增大，這表明三者濾波性能伴隨噪聲方差增大而下降;當(dāng)噪聲方差為0.05時(shí)，文獻(xiàn)［1］、文獻(xiàn)［9］的PSNR值均為21 dB左右，MSE也大體相當(dāng)，這表明兩者對(duì)于該水平的高斯白噪聲濾波效果基本一致，并且隨著噪聲強(qiáng)度的增大，這樣的“一致”情形一直保持到噪聲方差處于0.20時(shí)，當(dāng)噪聲方差為0.25時(shí)，兩者PSNR也僅相差1 dB、MSE值相差10左右;本文濾波方法在噪聲為0.05時(shí)，PSNR和MSE優(yōu)于文獻(xiàn)［1］、文獻(xiàn)［9］濾波方法，分別為5 dB和12～14左右，當(dāng)噪聲方差增大到0.25時(shí)，本文濾波方法PSNR值仍高于其他方法2.5～3.5 dB，MSE值低于其他方法15～25 dB，這可以充分說明，本文濾波方法對(duì)于高強(qiáng)度的高斯白噪聲具有較好的濾波效果，其濾波性能優(yōu)于文獻(xiàn)［1］、文獻(xiàn)［9］。

2)波域增強(qiáng)函數(shù)系數(shù)取值分析

表4數(shù)據(jù)對(duì)不同方差的高斯白噪聲進(jìn)行多項(xiàng)式擬合，可獲如下函數(shù)關(guān)系

式中:x為噪聲方差(v);Y(x)為系數(shù)a的取值;Y′(x)為系數(shù)b的取值。系數(shù)a和b取值大體上隨著噪聲方差的增大而持續(xù)減小，特別是系數(shù)a取值與噪聲方差成典型的線性關(guān)系，通過上面兩式可對(duì)不同噪聲強(qiáng)度下增強(qiáng)函數(shù)系數(shù)進(jìn)行粗略計(jì)算，以獲得本文濾波方法在該噪聲水平下的最佳濾波效果。

3 結(jié)束語

本文針對(duì)圖像高斯噪聲，提出了一種具有增強(qiáng)效果的濾波算法。該算法首先通過對(duì)中值濾波進(jìn)行改進(jìn)，以實(shí)現(xiàn)對(duì)噪聲圖像實(shí)現(xiàn)多角度、多尺度逐級(jí)濾波處理，以濾除一部分高斯噪聲;然后對(duì)殘余噪聲圖像進(jìn)行小波域逐級(jí)均值濾波;最后結(jié)合線性、非線性圖像增強(qiáng)方法提出了一種新型小波域增強(qiáng)函數(shù)對(duì)濾波后的圖像進(jìn)行灰度動(dòng)態(tài)范圍的改善，提高濾波后圖像的質(zhì)量，并結(jié)合實(shí)驗(yàn)對(duì)增強(qiáng)函數(shù)系數(shù)取值與噪聲方差進(jìn)行多項(xiàng)式擬合，給出了二者的函數(shù)關(guān)系。實(shí)驗(yàn)結(jié)果表明，該濾波算法對(duì)于高強(qiáng)度的高斯噪聲能進(jìn)行一定程度的自適應(yīng)濾除，抑制效果較為理想。

［1］王小兵，孫久運(yùn).一種新型高斯噪聲濾波算法［J］.北華大學(xué)學(xué)報(bào):自然科學(xué)版，2011，12(5):606－609.

［2］NASONOV A V，KRYLOV A S.Fast super－resolution using weighted median filtering［C］//Proc.ICPR 2010.［S.l.］:IEEE Press，2010:2230－2233.

［3］賀長偉，劉英霞，任文杰，等.基于多級(jí)中值濾波的小波去噪方法［J］.計(jì)算機(jī)應(yīng)用，2007，27(9):2117－2119.

［4］KUBOTA R，SUETAKE N.Threshold tuning of switching median filter employing distribution distance［C］//Proc.PSIVT 2010.［S.l.］:IEEE Press，2010，427－431.

［5］孫樹亮，王守覺.一種基于改進(jìn)的極值中值濾波算法［J］.計(jì)算機(jī)科學(xué)，2009，36(6):165－166.

［6］余永維，殷國富，蔣紅梅，等.磁瓦表面圖像的自適應(yīng)形態(tài)學(xué)濾波缺陷提取方法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)，2012，24(3):351－356.

［7］殷明，劉衛(wèi).基于四元數(shù)小波變換HMT模型的圖像去噪［J］.計(jì)算機(jī)工程，2012，38(5):213－215.

［8］鄭鈺輝，朱立新，王幸平，等.具有紋理保持能力的四節(jié)偏微分方程去噪方法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45(7):195－198.

［9］王小兵，孫久運(yùn)，湯海燕.一種高斯噪聲組合濾波方法［J］.佳木斯大學(xué)學(xué)報(bào):自然科學(xué)版，2011，29(5):696－698.

［10］王小兵，孫久運(yùn)，湯海燕.基于小波變換的圖像混合噪聲自適應(yīng)濾波算法［J］.微電子學(xué)與計(jì)算機(jī)，2012，29(6):91－95.

［11］王小兵，孫久運(yùn)，湯海燕.一種基于數(shù)學(xué)形態(tài)學(xué)與小波域增強(qiáng)的濾波算法［J］.微電子學(xué)與計(jì)算機(jī)，2012，29(7):64－67.

［12］SHEIKH H R，BOVIK A C.Image information and visual quality［J］.IEEE Trans.Image Processing，2006，15(1):430－444.

［13］WANG Zhou.Image quality assessment:from error visibility to structural similarity［J］.IEEE Trans.Image Processing，2004，13(4):600－612.