基于邻域结构相似性的混合噪音线性滤波算法

罗晓军1,2,王世秀3,李兵4,许俊玲2

doi:10.3969/j.issn.1007130X.2011.

计算机工程与科学 >

2011 , Vol. 33 >Issue 3: 67 - 72

DOI: https://doi.org/10.3969/j.issn.1007130X.2011.

论文

基于邻域结构相似性的混合噪音线性滤波算法

展开

（1．商丘职业技术学院计算机系，河南商丘 476000；2．长沙理工大学数学与计算科学学院，湖南长沙 410114； 3．商丘电视台，河南商丘 476000；4．中山职业技术学院，广东中山 528404）

罗晓军(1970),男,河南商丘人,硕士生,副教授,CCF会员号(E200015251M),研究方向为数字图像处理。李兵(1957),男，湖南长沙人，博士，教授，研究方向为拓扑学及数字图像处理许俊玲(1984),女，河南平顶山人，硕士生，研究方向为数字图像处理。

收稿日期: 2010-03-21

修回日期: 2010-08-02

网络出版日期: 2011-03-25

收起

A Mixed Noise Linear Filtering Algorithm Based on the Neighborhood Structure Similarity

Expand

(1.Department of Computer Science，Shangqiu Vocational and Technical College，Shangqiu 476000;
2.School of Mathematics and Computing Science，Changsha University of Science and Technology， Changsha 4410114;
3.Shangqiu TV,Shangqiu 476000;4.Zhongshan Vocational and Technical College，Zhongshan 528404,China)

Received date: 2010-03-21

Revised date: 2010-08-02

Online published: 2011-03-25

Fold

摘要

本文提出一种基于像素邻域结构信息相似性的混合噪音线性滤波算法（GLMF）。该算法是对线性混合

滤波器（LMF）的一种改进，它利用图像中存在着大量冗余信息的特性，恢复被混合噪音染污的像素，在判

断邻域内像素的相似性时，除考虑像素灰度值的相似性之外，又考虑了像素邻域结构的相似性，用像素灰度

值的梯度来表示邻域结构信息。仿真实验证明，用GLMF去噪的视觉效果和峰值信噪比（PSNR）均优于已知的

同类滤波器。该算法适用于恢复被高斯噪音和随机脉冲噪音混合污染的数字图像。

关键词： 数字图像; 高斯噪音; 脉冲噪音; 混合噪音; 滤波算法; 梯度算子

本文引用格式

罗晓军1,2,王世秀3,李兵4,许俊玲2 . 基于邻域结构相似性的混合噪音线性滤波算法[J]. 计算机工程与科学, 2011 , 33(3) : 67 -72 . DOI: 10.3969/j.issn.1007130X.2011.

Abstract

A mixed noise linear filtering algorithm based on the neighborhood structure

information’s similarity (GLMF) is proposed, which is also a good improvement of the linear

filter algorithm(LMF). This algorithm makes full use of the image of redundant information to

restore the mixed noise pollution of pixels. In judging the similarity of neighborhood pixels,

we consider the pixel values, and consider the similarity of a pixel neighborhood structure,

while using the gradient of pixel values to express neighborhood information. Simulation

experiments show, comparing with the existing similar filter, GLMF is better on both visual

effect and PSNR. This algorithm is applicable to restore the Gaussian noise and random pulse

noise mixed pollution digital images.

Key words： digital image；Gaussian noise；impulse noise；mixing noise；filtering algorithm； gradient operator

参考文献

［1］关新平,赵立兴,唐英干.图像去噪混合滤波方法［J］.中国图象图形学报,2005,10(3):332337.
［2］周刚,贾振红,覃锡忠.一种新的图像去噪混合滤波方法［J］.激光杂志,2007,28(1):5759.
［3］Garnett R, Huegerich T, Chui C,et al.A Universal Noise Removal Algorithm with an Impulse

Detector［J］. IEEE Transactions on Image Processing, 2005,14(11):17471754.
［4］罗晓军,李兵,Liu Quansheng,等.一种新的线性混合滤波器［J］.计算机工程与应用,2008,44(17):172

174.
［5］Gonzalez R C.数字图像处理［M］.第二版.阮秋琦,阮宇智，等译.北京：电子工业出版社,2003.
［6］Immerkr J. Fast Noise Variance Estimation［J］. Comput,Vision and Image Understanding,

1996,64(2):300302.
［7］王建勇,周晓光,廖启征. 一种基于中值－模糊技术的混合噪声滤波器［J］.电子与信息学报,2006,28

(5):901904.
［8］周刚,贾振红,覃锡忠.一种新的图像去噪混合滤波方法［J］.激光杂志,2007,28(1):5759.
［9］徐家伟,李兵, Liu Quansheng.一类新的去除混合噪音的方法：［硕士学位论文］［D］.长沙：长沙理

工大学，2008,3236.
［10］梁雯,刘松林.图像中心加权中值滤波的改进与应用［J］.中国图象图形学报,1997,2(8):629633.
［11］许卫全,张新楼,徐中佑,等.保持图像细节的局部自适应去噪滤波器新方法［J］.信号处理,2005,21

(2):191194.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献