有效去除图像混合噪声的方法

第２９卷第１．３期

Ｖ０１．２９

Ｎｏ．１３

计算机工程与设计

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ

２００８年７月

Ｊｕｌｙ２００８

有效去除图像混合噪声的方法

李慧娜，

平源

（许昌学院计算机科学与技术学院，河南许昌４６１０００）

摘

要：脉冲耦合神经网络ＰＣＮＮ具有良好的脉冲传播特性，可以用于图像的边缘检测；多级中值滤波是对中值滤波的改

进，具有较好的保护图像细节的作用；均值滤波是一种成熟的能较好滤除图像高斯噪声的方法。该算法充分结合上述３种算法的优点，先运用ＰＣＮＮ算法对被混合噪声干扰的图像进行边缘检测，然后利用多级中值滤波和均值滤波方法进行滤波处理。对不同的混合噪声进行滤除的实验结果表明本文算法较中值滤波和均值滤波方法有较大提升。关键词：ＰＣＮＮ；多级中值滤波；均值滤波；混合噪声；边缘检测中图法分类号：ＴＰ３９１．４１

文献标识码：Ａ

文章编号：１０００．７０２４（２００８）１３．３５３６—０２

・

Ｖａｌｉｄｍｅｔｈｏｄｏｆｆｉｌｔｅｒｉｎｇｉｍａｇｅｍｉｘｅｄｎｏｉｓｅ

ＬＩＨｕｉ－ｎａ，ＰＩＮＧＹｕａｎ

（Ｃｏｌｌｅｇｅ

Ａｂｓｔｒａｃｔ：ＰＣＮＮｇｒｏｗｉｎｇ

ｏｕｔｏｆｔｈｅ

ｃａｌｌ

ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＸｕｃｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｕｃｈａｎｇ

ｂｅｕｓｅｄ

ｔｏ

４６１０００，Ｃｈｉｎａ）

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ．

ｄｅｔｅｃｔｔｈｅｅｄｇｅｏｆｉｍａｇｅｂｙｉｔｓｎｉｃｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｓｐｒｅａｄｉｎｇ

ｗｅｌｌｐｒｏｔｅｃｔｔｈｅｄｅｔａｉｌｏｆｉｍａｇｅ；Ｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇｉｓ

ａ

ｐｕｌｓｅ．Ｍｕｌｔｉｓｔａｇｅ

ｔｏ

ｍｅｄｉａｎ

ｆｉｌｔｅｒｉｎｇ，Ｃａｎｍｅｔｈｏｄｕｓｅｄｕｓｕａｌｌｙ

ｆｉｌｔｅｒｔｈｅ

Ｇａｕｓｓｉａｎ

ｎｏｉｓｅ．Ｔｈｅｍｅｒｉｔｏｆｔｈｏｓｅｔｈｒｅｅａｒｉｔｈｍｅｔｉｃｉｓｕｓｅｄｔｈｅｎｏｉｓｅｂｙｍｕｌｔｉｓｔａｇｅ

ｗｅｌｌ．ＰＣＮＮｉｓｕｓｅｄ

ｔｏ

ｇｅｔ

ｔｈｅｅｄｇｅｏｆｔｈｅｉｍａｇｅｄｉｓｔｕｒｂｅｄｂｙｍｉｘｅｄｎｏｉｓｅ，ｔｈｅｎｆｉｌｔｅｒｓｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｆｉｌｔｅｒｉｎｇｄｉｆｆｅｒｅｎｔｍｉｘｅｄｎｏｉｓｅｐｒｏｖｅ

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇａｎｄｕｎｉｆｏｒｍｔｈａｎｃｌａｓｓｉｃａｌ

ｆｉｌｔｅｒｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅ

ｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｂｅｔｔｅｒ

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇａｎｄｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇ．

Ｋｅｙｗｏｒｄｓ：ＰＣＮＮ；ｍｕｌｔｉｓｔａｇｅｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ；ｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇ；ｍｉｘｅｄｎｏｉｓｅ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ

０引言

图像在采集、传输过程中，各种干扰会导致图像噪声的产生，使图像质量降低。在对图像进行处理之前，对其进行平滑操作足必不可少的步骤，降噪作为对图像的预处理操作，其滤波结果直接关系到各种后继算法的处理效果。关于图像噪声的滤除，许多学者进行了深入的研究，也提出了多种噪声和能够消除的算法。迄今为止，比较多的关于噪声滤除的文献都是针对脉冲噪声，也有一部分是针对高斯噪声的，但针对混合噪声滤除方法的文献很少。本文结合多级中值滤波、均值滤波和ＰＣＮＮ的优点，提出了一种较好的滤除图像混合噪声的方法。

ｌ

阶跃函数

图１脉冲耦合神经网络神经元模型

接部分和反馈输入两部分相乘获得；脉冲部分根据内部活动项大小是否超过其激发动态门限而产生脉冲，而门限值随着该神经元输出状态的变化相应发生变化。其神经元Ｍ的活动可由下式给出

日［以］＝厶

（１）（２）（３）

ＰＣＮＮ模型

脉冲耦合神经网络（ＰＣＮＮ）是由Ｅｃｌｄａｏｍ等研究得到的哺

厶［甩］＿ＥＷｏｔａｒ［ｎ一１］

乳动物神经元模型发展形成的。ＰＣＮＮ的单个神经元由树突、非线性连接调制和脉冲产生３个部分组成，其模型如图１所示。该模型是对真实神经元的简化和近似…。

树突部分的作用是接收来自相邻神经元的输入信息；非线性连接调制部分即神经元内部活动项由加有偏置的线性连

收稿日期：２００７－１０－０８

Ｅ－ｍａｉｌ：ｃｂ＿ｆａｎ＠１２６．ｅｏｍ

ａｇｎ］＝ｅｘｐ（一曲岛胁一１］＋ＶｓＹｊｊ［ｎ－１］

瓣锰端裂

砺Ｍ＝日［ｎ］（１＋ｆｌＬ“拧］）

∽

（５）

若把图像的每。‘个像素点看作一个神经元，则每幅图像就是一个单层的ＰＣＮＮ神经网络。神经元对应的像素点的亮

基金项目：河南省科技攻关计划基金项目（０６２４２２００５８）；河南省教育厅科技攻关基金项目（２００８Ａ５２００２２）。

作者简介：李慧娜（１９８０－－），硕士研究生，研究方向为图像处理；平源，男，重庆人，硕士研究生，研究方向为图像与信息安全。———３５３６———

　

度值越大，则该神经元的点火频率就越高，发放脉冲的时刻就越早，非线性连接调制部分又使得领域中满足一定条件的原先没有点火的神经元也发放出脉冲，从而使脉冲在整个网络中传播开来。利用ＰＣＮＮ的这种脉冲传播特性可以有效地进行图像的边缘提取ｎｌ。

２多级中值滤波

多级中值滤波是改进的中值滤波算法，能较好地保护图像的细节部分圆。

定义１令ｘ（ｍ，疗）表示图像在ｍ行珂列处的灰度值。取边长为￡的矩形窗口，这里Ｌ＝２Ⅳ＋ｌ，Ⅳ为整数；然后把该窗口分成４个窗１２。设在某’时刻窗口内的像素点为“朋一ｆ，疗＿，），一Ⅳ≤‘Ｊ≤Ⅳ，其４个窗口被定义为

矾（聊，疗）＝铽聊，ｎ－ｉ）；一Ⅳ≤ｉ≤Ⅳ＞

（６）矾（ｍ，刀）＝｛ｘ（ｍ－ｉ，ｎ）；一Ⅳ≤ｆ≤Ⅳ）（７）Ｆ玎（埘，珂）＝｛“朋十ｆ，盯一班一Ⅳ≤ｆ≤Ⅳ）（８）矾（ｍ，胛）＝｛ｘ（ｍ－ｉ，ｎ－ｉ）；一Ⅳ≤ｆ≤ＪⅣ｝

（９）

它们分别表示沿水平、垂直、和水平方向成４５。及１３５。的一维窗１２。图２给出Ｌ＝３时的４个窗口的形状。

令Ｚｌ（肌，珂），ｚ；沏，厅），ｚ；锄，行），ｚ４（肌，甩）分别表示这４个窗口内所有像点的中值，即

乙（ｍ，ｎ）＝ｍｅｄ［ｘ（ｉｊ）Ｅ矸‘（ｍ，帕］

岱＝１，２，３，４）

（１０）

【ｋ（臃，一），‰咖，胛）分别表示这４个中值中的最小值和最

大值，即

Ｕｕ（脚，刀）＝ｍｉｎ［２ｊ（聊，＂），Ｚ；（聊，胛），Ｚ３（ｍ，栉），２：（脚，疗）】（１１）【厶。（ｍ，胛）＝ｍａｘ［Ｚｘ（ｍ刃），ｚ；（脚，甩），Ｚ３（ｍ，刀），Ｚ４（ｍ，一）】（１２）

那么，多级中值滤波的输出表达式为

ｒｉｍ，刀）＝ｒｅｅｄ［【，ｍ。（聊，”），（厶。（，押，玎），板，疗，押）】（１３）

为了说明多级中值滤波保护细线的特性，图３给出了图像区域内某，４３＊３矩形区域像素点的灰度值。阢全为１的点可以看成为一条直线。由多级中值滤波的定义可知，职方向的

中值为ｌ，其它３个方向的中值均为０，因此最大中值‰∽，胛）

为ｌ，最小中值Ｕｍ（ｍ，盯）为０，最终输出ｒ（ｍ，以）为１，这就保留了图３中职方向上细线的目的。

涨孵卷

图２

４个方向窗口

图３

３＊３多级中值滤波

３本文算法实现及试验分析

多级中值滤波和传统的中值滤波相比，不仅能够较好的滤除脉冲噪声，而且能够保留图像的细节信息；均值滤波则可以很好的滤除高斯噪声。被混合噪声干扰的图像中同时存在上述两种噪声，单独使用任何一种滤波方法，都不能很好的复原图像。为了能够有效地滤除同时存在丁二图像中的两种噪声，本文算法首先利用ＰＣＮＮ进行图像边缘检测得到加噪图像的

　

边缘图像Ｅｄｇｅ，然后利用多级中值滤波和均值滤波相结合的方法对图像进行去噪处理。

本文算法实现过程如下：

（１）将加噪图像厂进行归一化处理，并把归一化的像素灰度值作为外界刺激信号输入脉冲网络，设定ＰＣＮＮ的各参数值。

（２）遍历，．中的每一个像素点，并判断像素觑劬是否能够

点火。若能，则在矩阵Ⅳ中记录下相应位置。

（３）判断已点火的像素点是否是图像的边缘像素，若是，则记录到矩阵Ｅｄｇｅ＠，并将矩阵旧待零。

“）判断＿，申的每一个像素点是否都已经点火，若还存在没有点火的像素点，则衰减阈值，转到步骤（２）。若所有像素点都已经点火，则输出，１拘边缘图像Ｅｄｇｅ。

（５）若Ｅｄｇｅ（ｉ，，）等于０，则像素点八劬不位于图像的边缘上，

（６）若Ｅｄｇｅ（ｉｄ）不等于０，则像素点八∽位于图像的边缘上，

由式（６卜式（１３）求得ｒ（ｍ，盯），ｇ（ｆ力＝ｒ（ｍ，刀）。

（７）肭全部像素点处理完毕，程序结束，输出滤波后的图

像ｇ；否则，改变∥的值，返【廿Ｊ步骤（５）。

本文算法在Ｍａｔｌａｂ７．０平台上实现，对５１２＂５１２，灰度为２５６级的ｌｅｎａ原始图像加Ｌ不同的混合噪声，然后对加噪图像分别运用中值滤波、均值滤波和本文算法进行滤波处理。在

表１中列出了采用中值、均值法与本文算法对不同的混合噪声滤波后图像的ＰｓＮＲ（峰值信噪比）性能比较。

表１

３种算法对不同混合噪声滤波ＰＳＮＲ性能比较

图４为２５６＋２５６的原始ｌｅｎａ图被２０％脉冲噪声和均值为中值、３＊３均值方法及本文算法的滤波结果的局部图像。图５图像去噪的关键是去除噪声的同时要保留图像的细节信（下转第３５４１页）

－——３５３７・——

双ｉ力等于瓤ｉ力为中心点的３・３区域的均值。

０、方差为０．００４高斯噪声下扰的图像和对其滤波处理后的局

部图像。图４（ａ）加噪图像的局部图像，图４（ｂＨｄ）分别为用３＊３

为２５６＊２５６的原始ｌｅｎａ图被５％脉冲噪声和均值为０、方差为０．００２高斯噪声干扰的图像和对其滤波处理后的局部图像。图

５（ａ）为加噪图像的局部图像，图５（ｂＨｄ）分别为用３＊３中值、３＊３

均值方法及本文算法的滤波结果的局部图像。

４结束语

息，以避免图像变模糊。脉冲耦合神经网络ＰＣＮＮ具有良好的脉冲传播特性，可以用于图像的边缘检测：多级中值滤波是对中值滤波的改进，具有较好的保护图像细节的作用，能够有效地滤除脉冲噪声，但对高斯噪声不能达到较好的滤波效果；均值滤波是一种成熟的能较好滤除图像高斯噪声的方法，但

若ｌ矿”一矿ｂＧ是给定的小正数）则停止，令％＝∥，转

到“）；否则，令ｆ＝ｆ＋ｌ，转到（２）。

分布、极值分布等）情形下的计算机仿真结果检验问题中。

（４）对于不完全数据ｐ－ＺＯ＝一ｌ，…，功，从剩余寿命分布Ｇ

参考文献：

【ｌ】

ＳａｒｇｅｎｔＲ

ＧＩ‰，Ｚ）中随机抽取一个数昏，由Ｚ十ｇｆ填充该不完全数据，然

后结合完全观测数据部分，得到等效的虚拟完全数据样本‰抛，…石，Ｌｌ＋争１＇．“，Ｌ＋毋）。

根据如上步骤将不完全数据进行数据填充后，即可采用上述检验方法对计算机静态仿真试验数据进行检验。

Ｇ．Ｖａｌｉｄａｔｉｏｎａｎｄｖｅｒｉｆｉｃａｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｓ

ｏｆｔｈｅＳｉｍｕｌａｔｉｏｎＣｏｎｆｅｒｅｎｃｅ．２００４：５．８．

［Ｃ】．Ｐｒｏｃｅｅｄｉｎｇｓ［２】Ｂｒａｄｅ

Ｄ．Ｅｎｈａｎｃｉｎｇｍｏｄｅｌｉｎｇａｎｄｓｉｍｕｌａｔｉｏｎａｃｃｒｅｄｉｔａｔｉｏｎｂｙ

ｓｔｒｕｃｔｕｒｉｎｇｖｅｒｉｆｉｃａｔｉｏｎａｎｄｖａｌｉｄａｔｉｏｎｒｅｓｕｌｔｓ［ＣＪ．Ｐｒｏｃｅｅｄｉｎｇｓｏｆ

ｔｈｅＳｉｍｕｌａｔｉｏｎＣｏｎｆｅｆｅｎｃｅ，２０００：８４０．８４８．

５结束语

本文根据计算机仿真试验结果正确与否来验证仿真系统与仿真模型的真实性与有效性。以正态分布静态试验结果丸例，分别研究了真实系统与仿真试验在不同样本容量情形下采用传统假设检验、置信检验与对比检验的适用范畴与具体实施步骤。如表ｌ所示。

该方法还可推广应用于其它工程上常见分布（如威布尔

表１静态仿真检验方法及其性质

【３】

冉承新，凌云翔．关于仿真模型检验的研究【Ｊ】．计算机仿真，

２００５，２２（８）：６２—６４．

【４】

路为，徐伟，陈红勋．系统仿真模型的统计验证方法【Ｊ】．上海大学学报（自然科学版），２００５，１１（４）：３８６．３８８．

【５】郑智琴，孟秀云．某型导弹系统仿真模型验证［Ｊ】．计算机仿真，２００４，２１（１０）：３８－４０．

【６】【７】

郭建．片上系统的模型检验【Ｊ】．现代电子技术，２００５（１４）：９５．９７．胡玉梅，陶丽芳，邓兆祥，等．车身台架疲劳强度试验方案研究

【Ｊ】．汽车工程，２００６，２８（３）：３００．３０３．【８】

傅惠民，梁朝虎．置信检验理论【Ｊ】．航空动力学报，２００３，１８（２）：１６７．１７４．【９】

傅惠民．正态分布百分位值和百分率的置信限和容忍限公式【Ｊ】．航空学报，

１９９４，１５（１）：９４－１０１．

（上接第３５３７页）

图５污染图像采用３种滤波算法的比较结果２

图４

污染图像采用３种滤波算法的比较结果ｌ

２００４．

对图像的边缘信息保持的不好，会使图像变模糊，且对椒盐噪声不能较好的滤除。本文算法充分结合上述３种算法的优点，先运用ＰＣＮＮ算法对被混合噪声干扰的图像进行边缘检测，然后利用多级中值滤波和均值滤波方法进行滤波处理。实验结果表明本文算法能够有效地滤除图像的混合噪声。

嘲

贺长伟，刘英霞．基于多级中值滤波的小波去噪方法【Ｊ】．计算机应用，２００７，２７（９）：２１１７．２１１９．

嘲旧忉嘲

李永刚，石美红．基于ＰＣＮＮ的高斯噪声滤波［Ｊ】．计算机工程与应用，２００７，４３（１）：６５．６７．

・

万洪林，彭玉华．基于方向的自适应多级中值滤波【Ｊ】．通信学报，２００６，２７（４）：１１９．１２３．

ＥＮＧＨＬ，ＭＡＫＫ．Ｎｏｉｓｅａｄａｐｔｉｖｅｓｏｆｔ－ｓｗｉｔｃｈｉｎｇｍｅ．ｘＩ］ａｎｆｉｌｔｅｒ

参考文献：

【ｌ】

马义德，李廉．脉冲耦合神经网络原理及其运用【ｌ闭．北京：科学

出版社，２００６．

【Ｊ】．ＩＥＥＥＴｒａｎｓＩｍａｇｅＰｒｏｃｅｓｓ，２００１，１０（２）：２４２－２５２．

黄传明，方千山．脉冲耦合神经网络在图像处理中的应用【Ｊ】．仪器仪表学报，２００６，２７（６）：２１４３－２１４５．

【２】Ｗａｎｇｗ＇Ｗａｎｇ

ｔｉｏｎｓ

ｏｎ

ＤＪ．Ｏｎｔｈｅｍａｘ／ｍｅｄｉａｎｆｉｌｔｅｒ【Ｊ】．ＩＥＥＥＴｒａｎｓａｃ－

ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，１９９０，３８（８）：１４７３－１４７５．

嘲王巍，黎明．基于脉冲耦合神经网络的彩色图像滤波新方法【Ｊ】．计算机工程与设计，２００７，２８（１４）：３４１３．３４１５．

・——３５４１・——

【３】冈萨雷斯．数字图像处理（Ｍａｔｌａｂ版）［Ｍ】．北京：电子工业出版，

　

有效去除图像混合噪声的方法

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

李慧娜， 平源， LI Hui-na， PING Yuan

许昌学院,计算机科学与技术学院,河南,许昌,461000计算机工程与设计

COMPUTER ENGINEERING AND DESIGN2008，29(13)0次

参考文献(9条)

1. 马义德. 李廉 脉冲耦合神经网络原理及其运用 20062. Wang W. Wang D J On the max/median filter 1990(08)3. 冈萨雷斯 数字图像处理(Matlab版) 2004

4. 贺长伟. 刘英霞 基于多级中值滤波的小波去噪方法[期刊论文]-计算机应用 2007(09)5. 李永刚. 石美红 基于PCNN的高斯噪声滤波[期刊论文]-计算机工程与应用 2007(01)6. 万洪林. 彭玉华 基于方向的自适应多级中值滤波[期刊论文]-通信学报 2006(04)7. ENGHL . MAKK Noise adaptive soft-switching median filter 2001(02)

8. 黄传明. 方千山 脉冲耦合神经网络在图像处理中的应用[期刊论文]-仪器仪表学报 2006(06)9. 王巍. 黎明 基于脉冲耦合神经网络的彩色图像滤波新方法[期刊论文]-计算机工程与设计 2007(14)

本文链接：http://d.g.wanfangdata.com.cn/Periodical_jsjgcysj200813082.aspx

授权使用：燕山大学(ysdx)，授权号：1a4718a9-d552-4da4-9773-9d9e0152e525，下载时间：2010年6月23日

第２９卷第１．３期

Ｖ０１．２９

Ｎｏ．１３

计算机工程与设计

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ

２００８年７月

Ｊｕｌｙ２００８

有效去除图像混合噪声的方法

李慧娜，

平源

（许昌学院计算机科学与技术学院，河南许昌４６１０００）

摘

要：脉冲耦合神经网络ＰＣＮＮ具有良好的脉冲传播特性，可以用于图像的边缘检测；多级中值滤波是对中值滤波的改

进，具有较好的保护图像细节的作用；均值滤波是一种成熟的能较好滤除图像高斯噪声的方法。该算法充分结合上述３种算法的优点，先运用ＰＣＮＮ算法对被混合噪声干扰的图像进行边缘检测，然后利用多级中值滤波和均值滤波方法进行滤波处理。对不同的混合噪声进行滤除的实验结果表明本文算法较中值滤波和均值滤波方法有较大提升。关键词：ＰＣＮＮ；多级中值滤波；均值滤波；混合噪声；边缘检测中图法分类号：ＴＰ３９１．４１

文献标识码：Ａ

文章编号：１０００．７０２４（２００８）１３．３５３６—０２

・

Ｖａｌｉｄｍｅｔｈｏｄｏｆｆｉｌｔｅｒｉｎｇｉｍａｇｅｍｉｘｅｄｎｏｉｓｅ

ＬＩＨｕｉ－ｎａ，ＰＩＮＧＹｕａｎ

（Ｃｏｌｌｅｇｅ

Ａｂｓｔｒａｃｔ：ＰＣＮＮｇｒｏｗｉｎｇ

ｏｕｔｏｆｔｈｅ

ｃａｌｌ

ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＸｕｃｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｕｃｈａｎｇ

ｂｅｕｓｅｄ

ｔｏ

４６１０００，Ｃｈｉｎａ）

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ．

ｄｅｔｅｃｔｔｈｅｅｄｇｅｏｆｉｍａｇｅｂｙｉｔｓｎｉｃｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｓｐｒｅａｄｉｎｇ

ｗｅｌｌｐｒｏｔｅｃｔｔｈｅｄｅｔａｉｌｏｆｉｍａｇｅ；Ｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇｉｓ

ａ

ｐｕｌｓｅ．Ｍｕｌｔｉｓｔａｇｅ

ｔｏ

ｍｅｄｉａｎ

ｆｉｌｔｅｒｉｎｇ，Ｃａｎｍｅｔｈｏｄｕｓｅｄｕｓｕａｌｌｙ

ｆｉｌｔｅｒｔｈｅ

Ｇａｕｓｓｉａｎ

ｎｏｉｓｅ．Ｔｈｅｍｅｒｉｔｏｆｔｈｏｓｅｔｈｒｅｅａｒｉｔｈｍｅｔｉｃｉｓｕｓｅｄｔｈｅｎｏｉｓｅｂｙｍｕｌｔｉｓｔａｇｅ

ｗｅｌｌ．ＰＣＮＮｉｓｕｓｅｄ

ｔｏ

ｇｅｔ

ｔｈｅｅｄｇｅｏｆｔｈｅｉｍａｇｅｄｉｓｔｕｒｂｅｄｂｙｍｉｘｅｄｎｏｉｓｅ，ｔｈｅｎｆｉｌｔｅｒｓｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｆｉｌｔｅｒｉｎｇｄｉｆｆｅｒｅｎｔｍｉｘｅｄｎｏｉｓｅｐｒｏｖｅ

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇａｎｄｕｎｉｆｏｒｍｔｈａｎｃｌａｓｓｉｃａｌ

ｆｉｌｔｅｒｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅ

ｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｂｅｔｔｅｒ

ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇａｎｄｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇ．

Ｋｅｙｗｏｒｄｓ：ＰＣＮＮ；ｍｕｌｔｉｓｔａｇｅｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ；ｕｎｉｆｏｒｍｆｉｌｔｅｒｉｎｇ；ｍｉｘｅｄｎｏｉｓｅ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ

０引言

图像在采集、传输过程中，各种干扰会导致图像噪声的产生，使图像质量降低。在对图像进行处理之前，对其进行平滑操作足必不可少的步骤，降噪作为对图像的预处理操作，其滤波结果直接关系到各种后继算法的处理效果。关于图像噪声的滤除，许多学者进行了深入的研究，也提出了多种噪声和能够消除的算法。迄今为止，比较多的关于噪声滤除的文献都是针对脉冲噪声，也有一部分是针对高斯噪声的，但针对混合噪声滤除方法的文献很少。本文结合多级中值滤波、均值滤波和ＰＣＮＮ的优点，提出了一种较好的滤除图像混合噪声的方法。

ｌ

阶跃函数

图１脉冲耦合神经网络神经元模型

接部分和反馈输入两部分相乘获得；脉冲部分根据内部活动项大小是否超过其激发动态门限而产生脉冲，而门限值随着该神经元输出状态的变化相应发生变化。其神经元Ｍ的活动可由下式给出

日［以］＝厶

（１）（２）（３）

ＰＣＮＮ模型

脉冲耦合神经网络（ＰＣＮＮ）是由Ｅｃｌｄａｏｍ等研究得到的哺

厶［甩］＿ＥＷｏｔａｒ［ｎ一１］

乳动物神经元模型发展形成的。ＰＣＮＮ的单个神经元由树突、非线性连接调制和脉冲产生３个部分组成，其模型如图１所示。该模型是对真实神经元的简化和近似…。

树突部分的作用是接收来自相邻神经元的输入信息；非线性连接调制部分即神经元内部活动项由加有偏置的线性连

收稿日期：２００７－１０－０８

Ｅ－ｍａｉｌ：ｃｂ＿ｆａｎ＠１２６．ｅｏｍ

ａｇｎ］＝ｅｘｐ（一曲岛胁一１］＋ＶｓＹｊｊ［ｎ－１］

瓣锰端裂

砺Ｍ＝日［ｎ］（１＋ｆｌＬ“拧］）

∽

（５）

若把图像的每。‘个像素点看作一个神经元，则每幅图像就是一个单层的ＰＣＮＮ神经网络。神经元对应的像素点的亮

基金项目：河南省科技攻关计划基金项目（０６２４２２００５８）；河南省教育厅科技攻关基金项目（２００８Ａ５２００２２）。

作者简介：李慧娜（１９８０－－），硕士研究生，研究方向为图像处理；平源，男，重庆人，硕士研究生，研究方向为图像与信息安全。———３５３６———

　

度值越大，则该神经元的点火频率就越高，发放脉冲的时刻就越早，非线性连接调制部分又使得领域中满足一定条件的原先没有点火的神经元也发放出脉冲，从而使脉冲在整个网络中传播开来。利用ＰＣＮＮ的这种脉冲传播特性可以有效地进行图像的边缘提取ｎｌ。

２多级中值滤波

多级中值滤波是改进的中值滤波算法，能较好地保护图像的细节部分圆。

定义１令ｘ（ｍ，疗）表示图像在ｍ行珂列处的灰度值。取边长为￡的矩形窗口，这里Ｌ＝２Ⅳ＋ｌ，Ⅳ为整数；然后把该窗口分成４个窗１２。设在某’时刻窗口内的像素点为“朋一ｆ，疗＿，），一Ⅳ≤‘Ｊ≤Ⅳ，其４个窗口被定义为

矾（聊，疗）＝铽聊，ｎ－ｉ）；一Ⅳ≤ｉ≤Ⅳ＞

（６）矾（ｍ，刀）＝｛ｘ（ｍ－ｉ，ｎ）；一Ⅳ≤ｆ≤Ⅳ）（７）Ｆ玎（埘，珂）＝｛“朋十ｆ，盯一班一Ⅳ≤ｆ≤Ⅳ）（８）矾（ｍ，胛）＝｛ｘ（ｍ－ｉ，ｎ－ｉ）；一Ⅳ≤ｆ≤ＪⅣ｝

（９）

它们分别表示沿水平、垂直、和水平方向成４５。及１３５。的一维窗１２。图２给出Ｌ＝３时的４个窗口的形状。

令Ｚｌ（肌，珂），ｚ；沏，厅），ｚ；锄，行），ｚ４（肌，甩）分别表示这４个窗口内所有像点的中值，即

乙（ｍ，ｎ）＝ｍｅｄ［ｘ（ｉｊ）Ｅ矸‘（ｍ，帕］

岱＝１，２，３，４）

（１０）

【ｋ（臃，一），‰咖，胛）分别表示这４个中值中的最小值和最

大值，即

Ｕｕ（脚，刀）＝ｍｉｎ［２ｊ（聊，＂），Ｚ；（聊，胛），Ｚ３（ｍ，栉），２：（脚，疗）】（１１）【厶。（ｍ，胛）＝ｍａｘ［Ｚｘ（ｍ刃），ｚ；（脚，甩），Ｚ３（ｍ，刀），Ｚ４（ｍ，一）】（１２）

那么，多级中值滤波的输出表达式为

ｒｉｍ，刀）＝ｒｅｅｄ［【，ｍ。（聊，”），（厶。（，押，玎），板，疗，押）】（１３）

为了说明多级中值滤波保护细线的特性，图３给出了图像区域内某，４３＊３矩形区域像素点的灰度值。阢全为１的点可以看成为一条直线。由多级中值滤波的定义可知，职方向的

中值为ｌ，其它３个方向的中值均为０，因此最大中值‰∽，胛）

为ｌ，最小中值Ｕｍ（ｍ，盯）为０，最终输出ｒ（ｍ，以）为１，这就保留了图３中职方向上细线的目的。

涨孵卷

图２

４个方向窗口

图３

３＊３多级中值滤波

３本文算法实现及试验分析

多级中值滤波和传统的中值滤波相比，不仅能够较好的滤除脉冲噪声，而且能够保留图像的细节信息；均值滤波则可以很好的滤除高斯噪声。被混合噪声干扰的图像中同时存在上述两种噪声，单独使用任何一种滤波方法，都不能很好的复原图像。为了能够有效地滤除同时存在丁二图像中的两种噪声，本文算法首先利用ＰＣＮＮ进行图像边缘检测得到加噪图像的

　

边缘图像Ｅｄｇｅ，然后利用多级中值滤波和均值滤波相结合的方法对图像进行去噪处理。

本文算法实现过程如下：

（１）将加噪图像厂进行归一化处理，并把归一化的像素灰度值作为外界刺激信号输入脉冲网络，设定ＰＣＮＮ的各参数值。

（２）遍历，．中的每一个像素点，并判断像素觑劬是否能够

点火。若能，则在矩阵Ⅳ中记录下相应位置。

（３）判断已点火的像素点是否是图像的边缘像素，若是，则记录到矩阵Ｅｄｇｅ＠，并将矩阵旧待零。

“）判断＿，申的每一个像素点是否都已经点火，若还存在没有点火的像素点，则衰减阈值，转到步骤（２）。若所有像素点都已经点火，则输出，１拘边缘图像Ｅｄｇｅ。

（５）若Ｅｄｇｅ（ｉ，，）等于０，则像素点八劬不位于图像的边缘上，

（６）若Ｅｄｇｅ（ｉｄ）不等于０，则像素点八∽位于图像的边缘上，

由式（６卜式（１３）求得ｒ（ｍ，盯），ｇ（ｆ力＝ｒ（ｍ，刀）。

（７）肭全部像素点处理完毕，程序结束，输出滤波后的图

像ｇ；否则，改变∥的值，返【廿Ｊ步骤（５）。

本文算法在Ｍａｔｌａｂ７．０平台上实现，对５１２＂５１２，灰度为２５６级的ｌｅｎａ原始图像加Ｌ不同的混合噪声，然后对加噪图像分别运用中值滤波、均值滤波和本文算法进行滤波处理。在

表１中列出了采用中值、均值法与本文算法对不同的混合噪声滤波后图像的ＰｓＮＲ（峰值信噪比）性能比较。

表１

３种算法对不同混合噪声滤波ＰＳＮＲ性能比较

图４为２５６＋２５６的原始ｌｅｎａ图被２０％脉冲噪声和均值为中值、３＊３均值方法及本文算法的滤波结果的局部图像。图５图像去噪的关键是去除噪声的同时要保留图像的细节信（下转第３５４１页）

－——３５３７・——

双ｉ力等于瓤ｉ力为中心点的３・３区域的均值。

０、方差为０．００４高斯噪声下扰的图像和对其滤波处理后的局

部图像。图４（ａ）加噪图像的局部图像，图４（ｂＨｄ）分别为用３＊３

为２５６＊２５６的原始ｌｅｎａ图被５％脉冲噪声和均值为０、方差为０．００２高斯噪声干扰的图像和对其滤波处理后的局部图像。图

５（ａ）为加噪图像的局部图像，图５（ｂＨｄ）分别为用３＊３中值、３＊３

均值方法及本文算法的滤波结果的局部图像。

４结束语

息，以避免图像变模糊。脉冲耦合神经网络ＰＣＮＮ具有良好的脉冲传播特性，可以用于图像的边缘检测：多级中值滤波是对中值滤波的改进，具有较好的保护图像细节的作用，能够有效地滤除脉冲噪声，但对高斯噪声不能达到较好的滤波效果；均值滤波是一种成熟的能较好滤除图像高斯噪声的方法，但

若ｌ矿”一矿ｂＧ是给定的小正数）则停止，令％＝∥，转

到“）；否则，令ｆ＝ｆ＋ｌ，转到（２）。

分布、极值分布等）情形下的计算机仿真结果检验问题中。

（４）对于不完全数据ｐ－ＺＯ＝一ｌ，…，功，从剩余寿命分布Ｇ

参考文献：

【ｌ】

ＳａｒｇｅｎｔＲ

ＧＩ‰，Ｚ）中随机抽取一个数昏，由Ｚ十ｇｆ填充该不完全数据，然

后结合完全观测数据部分，得到等效的虚拟完全数据样本‰抛，…石，Ｌｌ＋争１＇．“，Ｌ＋毋）。

根据如上步骤将不完全数据进行数据填充后，即可采用上述检验方法对计算机静态仿真试验数据进行检验。

Ｇ．Ｖａｌｉｄａｔｉｏｎａｎｄｖｅｒｉｆｉｃａｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｓ

ｏｆｔｈｅＳｉｍｕｌａｔｉｏｎＣｏｎｆｅｒｅｎｃｅ．２００４：５．８．

［Ｃ】．Ｐｒｏｃｅｅｄｉｎｇｓ［２】Ｂｒａｄｅ

Ｄ．Ｅｎｈａｎｃｉｎｇｍｏｄｅｌｉｎｇａｎｄｓｉｍｕｌａｔｉｏｎａｃｃｒｅｄｉｔａｔｉｏｎｂｙ

ｓｔｒｕｃｔｕｒｉｎｇｖｅｒｉｆｉｃａｔｉｏｎａｎｄｖａｌｉｄａｔｉｏｎｒｅｓｕｌｔｓ［ＣＪ．Ｐｒｏｃｅｅｄｉｎｇｓｏｆ

ｔｈｅＳｉｍｕｌａｔｉｏｎＣｏｎｆｅｆｅｎｃｅ，２０００：８４０．８４８．

５结束语

本文根据计算机仿真试验结果正确与否来验证仿真系统与仿真模型的真实性与有效性。以正态分布静态试验结果丸例，分别研究了真实系统与仿真试验在不同样本容量情形下采用传统假设检验、置信检验与对比检验的适用范畴与具体实施步骤。如表ｌ所示。

该方法还可推广应用于其它工程上常见分布（如威布尔

表１静态仿真检验方法及其性质

【３】

冉承新，凌云翔．关于仿真模型检验的研究【Ｊ】．计算机仿真，

２００５，２２（８）：６２—６４．

【４】

路为，徐伟，陈红勋．系统仿真模型的统计验证方法【Ｊ】．上海大学学报（自然科学版），２００５，１１（４）：３８６．３８８．

【５】郑智琴，孟秀云．某型导弹系统仿真模型验证［Ｊ】．计算机仿真，２００４，２１（１０）：３８－４０．

【６】【７】

郭建．片上系统的模型检验【Ｊ】．现代电子技术，２００５（１４）：９５．９７．胡玉梅，陶丽芳，邓兆祥，等．车身台架疲劳强度试验方案研究

【Ｊ】．汽车工程，２００６，２８（３）：３００．３０３．【８】

傅惠民，梁朝虎．置信检验理论【Ｊ】．航空动力学报，２００３，１８（２）：１６７．１７４．【９】

傅惠民．正态分布百分位值和百分率的置信限和容忍限公式【Ｊ】．航空学报，

１９９４，１５（１）：９４－１０１．

（上接第３５３７页）

图５污染图像采用３种滤波算法的比较结果２

图４

污染图像采用３种滤波算法的比较结果ｌ

２００４．

对图像的边缘信息保持的不好，会使图像变模糊，且对椒盐噪声不能较好的滤除。本文算法充分结合上述３种算法的优点，先运用ＰＣＮＮ算法对被混合噪声干扰的图像进行边缘检测，然后利用多级中值滤波和均值滤波方法进行滤波处理。实验结果表明本文算法能够有效地滤除图像的混合噪声。

嘲

贺长伟，刘英霞．基于多级中值滤波的小波去噪方法【Ｊ】．计算机应用，２００７，２７（９）：２１１７．２１１９．

嘲旧忉嘲

李永刚，石美红．基于ＰＣＮＮ的高斯噪声滤波［Ｊ】．计算机工程与应用，２００７，４３（１）：６５．６７．

・

万洪林，彭玉华．基于方向的自适应多级中值滤波【Ｊ】．通信学报，２００６，２７（４）：１１９．１２３．

ＥＮＧＨＬ，ＭＡＫＫ．Ｎｏｉｓｅａｄａｐｔｉｖｅｓｏｆｔ－ｓｗｉｔｃｈｉｎｇｍｅ．ｘＩ］ａｎｆｉｌｔｅｒ

参考文献：

【ｌ】

马义德，李廉．脉冲耦合神经网络原理及其运用【ｌ闭．北京：科学

出版社，２００６．

【Ｊ】．ＩＥＥＥＴｒａｎｓＩｍａｇｅＰｒｏｃｅｓｓ，２００１，１０（２）：２４２－２５２．

黄传明，方千山．脉冲耦合神经网络在图像处理中的应用【Ｊ】．仪器仪表学报，２００６，２７（６）：２１４３－２１４５．

【２】Ｗａｎｇｗ＇Ｗａｎｇ

ｔｉｏｎｓ

ｏｎ

ＤＪ．Ｏｎｔｈｅｍａｘ／ｍｅｄｉａｎｆｉｌｔｅｒ【Ｊ】．ＩＥＥＥＴｒａｎｓａｃ－

ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，１９９０，３８（８）：１４７３－１４７５．

嘲王巍，黎明．基于脉冲耦合神经网络的彩色图像滤波新方法【Ｊ】．计算机工程与设计，２００７，２８（１４）：３４１３．３４１５．

・——３５４１・——

【３】冈萨雷斯．数字图像处理（Ｍａｔｌａｂ版）［Ｍ】．北京：电子工业出版，

　

有效去除图像混合噪声的方法

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

李慧娜， 平源， LI Hui-na， PING Yuan

许昌学院,计算机科学与技术学院,河南,许昌,461000计算机工程与设计

COMPUTER ENGINEERING AND DESIGN2008，29(13)0次

参考文献(9条)

1. 马义德. 李廉 脉冲耦合神经网络原理及其运用 20062. Wang W. Wang D J On the max/median filter 1990(08)3. 冈萨雷斯 数字图像处理(Matlab版) 2004

4. 贺长伟. 刘英霞 基于多级中值滤波的小波去噪方法[期刊论文]-计算机应用 2007(09)5. 李永刚. 石美红 基于PCNN的高斯噪声滤波[期刊论文]-计算机工程与应用 2007(01)6. 万洪林. 彭玉华 基于方向的自适应多级中值滤波[期刊论文]-通信学报 2006(04)7. ENGHL . MAKK Noise adaptive soft-switching median filter 2001(02)

8. 黄传明. 方千山 脉冲耦合神经网络在图像处理中的应用[期刊论文]-仪器仪表学报 2006(06)9. 王巍. 黎明 基于脉冲耦合神经网络的彩色图像滤波新方法[期刊论文]-计算机工程与设计 2007(14)

本文链接：http://d.g.wanfangdata.com.cn/Periodical_jsjgcysj200813082.aspx

授权使用：燕山大学(ysdx)，授权号：1a4718a9-d552-4da4-9773-9d9e0152e525，下载时间：2010年6月23日