文献翻译(中文)文献翻译(中文).doc

对多脉冲噪声的自适应阈值中值滤波 通信与信息工程学院，电子科技大学成都中国中国61005与技术学院 抽象衰减噪声在图像处理中起重要作用。几乎所有的传统中值滤波器涉及去除具有单个层，其噪声灰度值是恒定的脉冲噪音。在本文中，一种新的自适应中值滤波，提出了处理这些不仅是单层噪声的图像。自适应阈值滤波器（ATMF）已开发通过组合自适应中值过滤器（AMF）和两个动态阈值。动态门限的，因为正在使用，ATMF是能够平衡在除去多脉冲噪声和图像的质量。提供该方法与传统的中值滤波的比较。一些视觉实施例用来表明所提出的滤波器的性能。 关键词：中值滤波;自适应中值过滤器（AMF）;自适应阈值中值滤波器（ATMF）;多脉冲噪声;影像处理 图像往往是由脉冲噪声是由于来自传感器或交际渠道产生的错误损坏。它的边缘检测，图像分割和目标识别过程之前，以消除图像中的噪点是非常重要的。众所周知的中值滤波器（MF）和它的衍生物已被确认为去除脉冲噪声的有效手段。中值滤波器的成功是基于两个主要性能：边缘保持高效的噪声衰减，随着对冲动型噪声的鲁棒性。边缘保持在图像处理必不可少由于视觉感知[7]的性质。 尽管它在平滑噪声效能，MF倾向于当应用于图像均匀地除去细的细节。为了消除这个缺点，一个著名的改性的中值滤波，自适应中值过滤器（AMF），已经提出了。它具有可变的窗口大小去除脉冲同时保留锐度同时。以这种方式，边缘信息和详细信息的完整性变得更好。 上面提到的过滤器不善于去除多脉冲噪声。然而，实际情况是，图像是由多脉冲噪声，包括单层噪声经常被破坏。在本文中，一个基于决策的和信号自适应中值滤波算法。它不仅实现脉冲噪声均强检测和视觉质量恢复的结果，但也确实很好地抗多的噪音。对于噪声的识别，新的标准已在AMF加入，以使效果处理多个噪声。此后，新的过滤器，命名为自适应阈值中值滤波器（ATMF），增加了当地的内核区域的两个动态阈值来帮助检测噪音。仿真结果表明，该过滤器是一样好AMF的一层脉冲噪声，但比其他许多中值滤波器更好的为多脉冲噪声。 1自适应中值滤波器 新颖滤波器处理原则基于AMF的。AMF工作在矩形内核区域Sx的y和改变（增加）Sx的y的大小，在过滤操作中，根据某些条件下面列出。如果过滤器不发现象素位于（x，y）是在内核中心噪声，像素的值将通过在Sx的y中的中间值替换。否则，该像素的灰度级值将保持不变。 考虑下面的定义： Zmin = Sx, y最小灰度值 ZMAX = Sx, y最大灰度值 Zmed = Sx, y灰度级 Z x, y =灰度级在（x，y）的坐标 Smax =最大允许值 自适应中值滤波算法工程两级，表示为电平A和B级，如下所示： Level A A1 =Z med ?Z min A 2= Z med ?Z max If A 1 0 AND A2 0 , go to level BOr else, increase the window size If window size≤Smax , repeat level AOr else, output Z x, y. Level BB 1= Z x y ?Z min, B 2=Z x y ?Z med . IfB1 0 AND B2 0 , output Z x, yOr else, output Zmed . 每次算法输出值，窗口Sx的，y为移动到图像中的下一个位置。然后，该算法被重新初始化并施加到像素中的新位置。 AMF可以抑制各种密度的噪声达到很好的效果。它有时为了适应不同的条件改变其内核最大大小。一种方法是使用不同的内核的平均滤波器来处理图像，并确定AMF内核最大大小。 2自适应阈值中值滤波 在一些应用中，图像被处理通常是由多脉冲噪声破坏。实验已经表明，AMF对低密度多脉冲噪声的图像，如小于0.1的概率一定的效果。如果除去概率较高，如0.2，0.3或甚至大于0.4，AMF没有给予内容的结果。增加的籽粒大小可以做得更好抑制噪音，但在同一时间，图像将成为细节更糟。 扩展的自适应中值滤波器（EAMF）证明，脉冲噪声值有时不仅是255或0 [10]。的噪声可能会稍微小于255或大于0。因此，在EAMF算法接近255或0的滤波器窗口中的像素值计算中值之前被丢弃。因此，EAMF可以抑制更多样化的噪音，同时保持细节。 在我们的实验中，我们发现，在某些情况下EAMF不能给出一个满意的改善，从AMF。因此，我们的基础上类似的参考文献的理论改变我们的AMF。通过在参考文献开发的随机值脉冲检测机制激励。两个动态阈值T1和T2被引入到的AMF。它们的定义如下： T1 (x , y) = X min 2? X min (1) T2 (x , y) = X max ? X max 2 (2)