基于紋理分析的改進(jìn)型Nagao濾波器
作者：
時(shí)間：2010-05-07
來(lái)源：網(wǎng)絡(luò)
收藏
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
在過(guò)去的十幾年中，許多專(zhuān)家學(xué)者提出了多種不同的濾波方法。Czerwin ski等人提出了一種采用線形模板的多方向中值濾波器，但是由于模板都是采用線形的，因此去噪效果并不理想，而且由于該算法以中值大小來(lái)選擇模板，并將其作為進(jìn)行平滑的標(biāo)準(zhǔn)(選擇中值最大的模板)，因此，使圖像中的白色線條加寬，并且會(huì)產(chǎn)生白色的偽像[1]；Tomita和Tsuji提出了一種保邊界的算法，該算法是用中心像素的5個(gè)矩形鄰域模板中最平滑的1個(gè)模板的灰度平均值來(lái)替代中心像素的灰度值，但因?yàn)樵摲椒ú捎玫氖蔷匦文０?，所以?yīng)用于復(fù)雜圖像時(shí)，并不能取得滿(mǎn)意的效果[2]；Nagao提出了一種新的保邊界平滑算法，其算法采用了9個(gè)鄰域模板(包括五邊形、六邊形和正方形的模板)，然后尋找其中方差最小的1個(gè)來(lái)平滑中心像素，這種算法雖然能夠有效降低噪聲，并保留邊界，但是圖像平滑后會(huì)產(chǎn)生一些偽像，從而影響圖像質(zhì)量[3]；Wang等人提出了一種采用灰度倒數(shù)權(quán)的平滑濾波器算法，即區(qū)域內(nèi)部的灰度變化小于區(qū)域之間的灰度變化，但是由于其算法忽視了方向概念，因此平滑的效果也不太理想[4]。
針對(duì)上述問(wèn)題，本文在Nagao濾波器的基礎(chǔ)上，提出一種基于紋理分析的圖像自適應(yīng)濾波方法。該方法首先對(duì)圖像進(jìn)行紋理分析，然后根據(jù)紋理分析的結(jié)果決定Nagao濾波器采用何種模板(包括線形模板和矩形模板)在何種方向進(jìn)行自適應(yīng)濾波。采用該方法對(duì)圖像進(jìn)行降噪處理，不僅能有效降低噪聲水平，而且?guī)缀跬耆梢员Ａ暨吘壓图?xì)節(jié)；同時(shí)，該算法簡(jiǎn)單、計(jì)算速度快，非常有利于計(jì)算機(jī)編程實(shí)現(xiàn)[5]。
1 Nagao濾波器原理
根據(jù)目前研究及應(yīng)用的情況，自適應(yīng)濾波是解決圖像濾波比較行之有效的方法。而Nagao自適應(yīng)濾波正是其中的代表，其基本原理為：以噪聲像素點(diǎn)作為中心點(diǎn)，圍繞這個(gè)中心像素在其周?chē)?×5的區(qū)域內(nèi)定義9個(gè)可能的模板(包括4個(gè)五邊形、4個(gè)六邊形和1個(gè)正方形)，如圖1所示。首先計(jì)算每個(gè)模板內(nèi)灰度值的平均值mk和
方差，然后通過(guò)比較篩選出方差最小的模板，用該模板內(nèi)的均值來(lái)替換中心像素[6]。從Nagao濾波的思想不難看出其存在的缺點(diǎn)，即：每次都要計(jì)算9個(gè)模板的均值和方差，計(jì)算時(shí)間長(zhǎng)，計(jì)算量大；另外，由于有些噪聲與周?chē)袼攸c(diǎn)之間的區(qū)別并不是很大，使用Nagao濾波以后會(huì)使圖像存在一些偽像，從而影響濾波效果。為了克服這些缺點(diǎn)，在使用時(shí)應(yīng)該合理地選擇模板并且進(jìn)行有方向的濾波，這樣不僅可以保留圖像的真實(shí)原貌而且可以減少計(jì)算量提高計(jì)算機(jī)的處理速度。
2 紋理分析
目前比較成熟的紋理特征提取方法大致分為4大類(lèi)：結(jié)構(gòu)分析方法、統(tǒng)計(jì)分析方法、模型化方法以及信號(hào)處理方法，其中統(tǒng)計(jì)分析方法在紋理分析中擔(dān)任著非常重要的角色。常用的統(tǒng)計(jì)紋理分析方法有：自相關(guān)函數(shù)、邊界頻率、空間灰度依賴(lài)矩陣等，其中空間灰度依賴(lài)矩陣方法因其給出的是圖像的二階統(tǒng)計(jì)量，所以在紋理描述方面取得了非常好的效果。Haralick定義了14個(gè)能從空間灰度依賴(lài)矩陣上計(jì)算出的二階統(tǒng)計(jì)量，這些統(tǒng)計(jì)函數(shù)為：能量、對(duì)比度、相關(guān)性、方差、逆差矩、和平均、和方差、和熵、熵、差方差、差熵、相關(guān)性信息度量、另一個(gè)相關(guān)性信息度量以及最大相關(guān)性系數(shù)。在這14個(gè)紋理特征中，并不是每一個(gè)紋理特征都非常有效果，有些特征計(jì)算復(fù)雜度很高。通過(guò)實(shí)驗(yàn)，Conners、Harlow建議用能量、熵、相關(guān)性、逆差距和對(duì)比度共5個(gè)特征來(lái)描述紋理就能達(dá)到非常好的效果[7-8]。
結(jié)合圖像自適應(yīng)濾波，并且綜合考慮計(jì)算機(jī)處理速度等多方面因素，本文選擇能量和熵2個(gè)統(tǒng)計(jì)量作為特征參數(shù)：
評(píng)論