基于K-均值聚类及二叉树决策的图像去噪

J4 ›› 2013, Vol. 35 ›› Issue (5): 118-123.

基于K-均值聚类及二叉树决策的图像去噪

刘永霞1,张朝晖1,2,张艳敏1

(1.河北师范大学数学与信息科学学院，河北石家庄 050024;2.河北省计算数学与应用重点实验室，河北石家庄 050024)

收稿日期:2011-12-23 修回日期:2012-05-21 出版日期:2013-05-25 发布日期:2013-05-25
基金资助:
国家自然科学基金天元数学基金资助项目(10926179)；河北省科学技术重大支撑计划资助项目(10243554D)；河北省科学技术研究与发展计划资助项目(072435158D；09213515D；09213575D)

Image denoising based on K-Means
clustering and binary tree decision

LIU Yongxia1,ZHANG Zhaohui1,2,ZHANG Yanmin1

(1.College of Mathematics and Information Science,Hebei Normal University,Shijiazhuang 050024;
2.Key Laboratory of Computational Ｍathematics and Applications of Hebei Province,Shijiazhuang 050024,China)

Received:2011-12-23 Revised:2012-05-21 Online:2013-05-25 Published:2013-05-25

摘要/Abstract

摘要：

针对图像中椒盐噪声的抑制，提出了一种新的滤波算法。算法首先借助K均值聚类将当前像素所在邻域的灰度分布进行有效划分；然后，构建噪声污染像素识别规则，借助多层二叉树决策实现不同类型噪声污染像素的检测。算法只针对噪声污染像素进行自适应滤波，而不改变非污染像素的取值。实验表明，本文算法在有效抑制噪声的同时可较好保留图像的细节等有用信息；对于噪声污染严重的图像，本算法明显优于传统中值滤波及文献［7］的算法。

关键词: 椒盐噪声, K均值聚类, 二叉树, 图像滤波, 噪声检测

Abstract:

In this paper, a new filter algorithm was proposed for pepperandsalt noise suppression. Firstly, the neighborhood of each given pixel is partitioned by Kmeans clustering according to the local grey level distribution. Secondly, the recognition rules for noisepolluted pixel detection are constructed, and the noise pixel can be detected based on multilayer binary tree decision. The proposed algorithm only filters the recognized noise pixels without changing those nonpolluted pixel values. Experimental results show that the proposed algorithm can efficiently preserve informative details when filtering image noise. For those images with strong noise pollution, the proposed algorithm outperforms both median filter and the algorithm proposed in［7］.

Key words: pepper-and-salt noise;K-means clustering;binary tree;image filtering;noise detection

刘永霞1,张朝晖1,2,张艳敏1. 基于K-均值聚类及二叉树决策的图像去噪[J]. J4, 2013, 35(5): 118-123.

LIU Yongxia1,ZHANG Zhaohui1,2,ZHANG Yanmin1. Image denoising based on K-Means
clustering and binary tree decision [J]. J4, 2013, 35(5): 118-123.

[1]	韦存阳, 贾海鹏, 张云泉, 曲国远, 魏大洲, 张广婷. 基于ARMv8处理器的高性能图像处理算法实现与优化研究[J]. 计算机工程与科学, 2022, 44(10): 1711-1720.
[2]	许光宇，蒋社想. 椒盐噪声图像的非局部平均滤波算法[J]. 计算机工程与科学, 2017, 39(06): 1133-1140.
[3]	何志军,何洪英,黄旭. 改进十字链表的存储方法在短路电流计算中的应用[J]. 计算机工程与科学, 2017, 39(04): 648-655.
[4]	陈平华，陈传瑜. 基于满二叉树的二分K-means聚类并行推荐算法[J]. J4, 2015, 37(08): 1450-1457.
[5]	朱峰军1，武继刚1, 2，史雯隽1，姜桂圆3. 多选择软硬件划分问题的计算模型与动态规划算法[J]. J4, 2015, 37(04): 641-648.
[6]	张红泰，刘宏立，刘述钢. 基于满二叉树的RA码交织器设计[J]. J4, 2015, 37(04): 699-703.
[7]	周艳聪1,2,董永峰2,崔晓欣2,杨阔1. 基于信息预处理的分组动态二进制防碰撞算法[J]. J4, 2014, 36(10): 2041-2046.
[8]	刘西成，许海英，谌贵辉. 一种改进的脉冲噪声滤波方法[J]. J4, 2012, 34(11): 120-123.
[9]	孙安玉,江贵平. 基于满二叉树分块策略的大规模数据场纹理映射体绘制算法[J]. J4, 2011, 33(3): 57-61.
[10]	左正康, 游珍, 薛锦云. 后序遍历二叉树非递归算法的推导及形式化证明[J]. J4, 2010, 32(3): 119-123.
[11]	周千, 赵芳玲, 赵凤群, 张培茹. You-Kaveh图像去噪模型扩散系数的改进[J]. J4, 2010, 32(2): 85-87.
[12]	喻波，赵国鸿，陈曙晖. 一种基于共享前缀的两级索引结构[J]. J4, 2010, 32(12): 113-116.
[13]	蔡利栋. 椒盐噪声下图像直方图的行为[J]. J4, 2008, 30(11): 25-27.
[14]	何昭青[1,2]. 一种高效的基于排序二叉树的数据流挖掘算法[J]. J4, 2008, 30(11): 151-154.
[15]	张燕[1] 贾焰[1] 黄晓斌[2]. 网格环境下一种可扩展的资源发现机制[J]. J4, 2007, 29(11): 124-126.