基于双阈值及迭代法的图像脉冲噪声检测算法

doi:10.3724/SP.J.1087.2012.01885

计算机应用 ›› 2012, Vol. 32 ›› Issue (07): 1885-1889.DOI: 10.3724/SP.J.1087.2012.01885

基于双阈值及迭代法的图像脉冲噪声检测算法

杨润玲,周军妮,魏蕊

西安建筑科技大学信息与控制工程学院，西安710055

收稿日期:2011-12-29 修回日期:2012-02-15 发布日期:2012-07-05 出版日期:2012-07-01
通讯作者: 杨润玲
作者简介:杨润玲（1976-），女，陕西西安人，讲师，硕士，主要研究方向：图像处理、模式识别；周军妮（1977-），女，陕西西安人，讲师，硕士，主要研究方向：图像处理、模式识别；魏蕊（1981-），男，陕西西安人，助教，博士研究生，主要研究方向：智能信息处理。

Effective detection algorithm based on two-threshold and iteration for images with impulse noise

YANG Run-ling,ZHOU Jun-ni,WEI Rui

School of Information and Control Engineering, Xi'an University of Architecture and Technology, Xi'an Shaanxi 710055, China

Received:2011-12-29 Revised:2012-02-15 Online:2012-07-05 Published:2012-07-01
Contact: YANG Run-ling

摘要/Abstract

摘要： 为了减少图像中的脉冲噪声对后续图像处理的影响，针对脉冲噪声的特点，提出了双阈值和迭代法的噪声检测算法。双阈值选取方法理论可靠，两次迭代保证了噪声点检测具有较高的正确率，最后的选择性中值滤波算法也使得图像的细节不被模糊。实验结果表明，所提算法具有较强的自适应性、较低的噪声漏检率以及较好的滤波效果。

关键词: 双阈值, 脉冲噪声, 标识矩阵, 噪声检测, 滤波

Abstract: An effective noise detection algorithm based on two-threshold and iteration for noise images with impulse noise was proposed to decrease the influence of impulse noise. The selective method of two-threshold was reliable in theory, and the two-step iteration method guaranteed the accuracy of noise detection. Moreover, the median filtering algorithm with selected pixels made sure that the details of image were not blurred at the same time. The experimental results show that the proposed algorithm is more robust and adaptive, and it has lower leak-detection and better filtering effect.

Key words: two-threshold, impulse noise, marked matrix, noise detection, filtering

中图分类号:

TP391.413

杨润玲周军妮魏蕊. 基于双阈值及迭代法的图像脉冲噪声检测算法[J]. 计算机应用, 2012, 32(07): 1885-1889.

YANG Run-ling ZHOU Jun-ni WEI Rui. Effective detection algorithm based on two-threshold and iteration for images with impulse noise[J]. Journal of Computer Applications, 2012, 32(07): 1885-1889.

参考文献

［1］ HUANG T S, YANG G J, TANG G Y. A fast two-dimensional median filtering algorithm ［J］. IEEE Transactions on Acoustics, Speech and Signal Process, 1979, 27(1): 13-18.

［2］ BROWNRIGG D R K. The weighted median filter ［J］. Communication of the Association for Computing Machinery, 1984, 27(8): 807-818.

［3］ KO S J, LEE Y H. Center weighted median filters and their applications to image enhancement ［J］. IEEE Transactions on Circuits and Systems, 1991, 38(9): 984-993.

［4］ ABREU E, LIGHTONE M, MITRA S K, et al. A new efficient approach for the removal of impulse noise from highly corrupted images ［J］. IEEE Transactions on Image Processing, 1996, 5(6): 1012-1025.

［5］ LIN H M, WILLSON A N. Median filters with adaptive-length ［J］. IEEE Transactions on Circuits and Systems, 1988, 35(6):675-690.

［6］ WANG Z, ZHANG D. Progressive switching median filter for the re-moval of impulse noise from highly corrupted images ［J］. IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing, 1999, 46(1):78-80.

［7］ FLORENCIO D A F, SCHAFER R W. Decision-based median filter using local signal statistics ［C］// Proceedings of the Society of Photo-Optical Instrumentation Engineers on Visual Communications and Image Processing. Chicago: ［s.n.］, 1994: 268-275.

［8］ CHEN T, WU H R. Space variant median filters for the restoration of impulse noise corrupted images ［J］. IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing, 2001, 48(8): 784-789.

［9］ SUN T, NEUVO Y. Detail-preserving median-based filters in image processing ［J］. Pattern Recognition Letters, 1994, 15(4): 341-347.

［10］韩晓微，范立南，李浚圣，等.一种基于脉冲噪声检测的图像均值滤波方法［J］.计算机工程与应用，2004,40(27):102-104.

［11］谢剑斌，刘通，任勇，等.一种用于抑制椒盐噪声的自适应快速滤波算法［J］.中国图象图形学报，2009,14(5):843-847.

［12］吕宗伟，唐治德.一种高效快速的高密度椒盐噪声消除方法［J］.电子学报，2011,39(8):1903-1906.

[1]	姜文涛, 李宛宣, 张晟翀. 非线性时间一致性的相关滤波目标跟踪[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2558-2570.
[2]	徐松, 张文博, 王一帆. 基于时空信息的轻量视频显著性目标检测网络[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2192-2199.
[3]	乔恩保, 高向阳, 程俊. 基于支持向量机的自恢复自适应蒙特卡洛定位算法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3246-3251.
[4]	单飞桥, 王照伟, 沈跃. 基于精确时间协议的工业无线传感器网络时间同步方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2255-2260.
[5]	王利, 宣士斌, 秦续阳, 李紫薇. 基于双解码器的Transformer多目标跟踪方法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1919-1929.
[6]	汤兴恒, 郭强, 徐天慧, 张彩明. 基于多尺度核自适应滤波的股票收益预测[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1385-1393.
[7]	黄琼, 丁兆云. 基于粒子滤波的隧道火灾烟气速度估计方法[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 986-990.
[8]	雷露露, 周颖玥, 李驰, 王欣宇, 赵家琦. 基于多尺度快速非局部平均滤波的超声图像去斑算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1950-1956.
[9]	李昆鹏, 张鹏程, 上官宏, 王燕玲, 杨婕, 桂志国. 基于卷积神经网络的时频域CT重建算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1308-1316.
[10]	李海丰, 赵碧帆, 侯谨毅, 王怀超, 桂仲成. 基于自适应双阈值的地下目标自动检测算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1275-1283.
[11]	马耀名, 张雨. 基于改进Faster-RCNN的绝缘子检测算法[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 631-637.
[12]	申炳琦, 张志明, 舒少龙. 移动机器人超宽带与视觉惯性里程计组合的室内定位算法[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3924-3930.
[13]	张露, 刘家鹏, 田冬梅. 基于Stacking-Bagging-Vote多源信息融合模型的财务预警应用[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 280-286.
[14]	景兴红, 孙国栋, 何世彪, 廖勇. 基于滑窗滤波和多项式拟合的时变信道估计方法[J]. 计算机应用, 2021, 41(9): 2699-2704.
[15]	孙浩艺, 王传美, 丁义明. 基于隐藏层输出矩阵的极限学习机算法优化[J]. 计算机应用, 2021, 41(9): 2481-2488.

基于双阈值及迭代法的图像脉冲噪声检测算法

Effective detection algorithm based on two-threshold and iteration for images with impulse noise

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics