基于柔性形态学滤波优化的周期性噪声消除算法.docVIP

基于柔性形态学滤波优化的周期性噪声消除算法 　　摘 要： 针对周期性噪声滤波易产生图像失真与降噪效果不佳等问题，提出一种柔性形态学滤波的周期性噪声消除算法。在数学形态学的思想上，构建了一种柔性形态学滤波器，利用形态学开?闭运算和闭?开运算相结合，提高滤波器噪声抑制性能。并利用粒子群优化耦合被动聚集技术，改进信息共享机制，对柔性形态学滤波器的五个主要参数进行优化，输出最优值，从而消除周期性噪声。实验结果表明，与当前降噪技术相比，所提算法对周期性和混合性噪声具有更强的鲁棒性，在消除噪声的同时也较好地保护了图像细节信息。 　　关键词： 周期性噪声； 柔性形态滤波器； 粒子群优化； 信息共享； 被动聚集 　　中图分类号： TN911.7?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）21?0070?05 　　Periodic noise elimination algorithm based on soft morphological filtering optimization 　　WEI Xing， JIAO Pengpeng， SHI Yong 　　（Nanjing Normal University Taizhou College， Taizhou 225300， China） 　　Abstract： In order to solve the image distortion and poor noise reduction effect of the periodic noise filtering， a periodic noise elimination algorithm based on soft morphological filtering is proposed. On the basis of the mathematical morphology thought， a soft morphological filter was constructed. The combination of morphology open?close operation and close?open operation is used to improve the noise suppression performance of the filter. The technology of using particle swarm optimization to couple the passive congregation is used to improve the information sharing mechanism， optimize the five main parameters of soft morphological filter， output the optimal value， and eliminate the periodic noise. The experimental results show that， in comparison with the available noise elimination technology， the proposed algorithm has stronger robustness for periodic and mixed noise， and protects the image detail information while removing the noise. 　　Keywords： periodic noise； soft morphological filter； particle swarm optimization； information sharing； passive congregation 　　0 引 言 　　周期性噪声是一种常见的噪声，由于数据收集设备中的电子干扰和影响，周期性噪声广泛存在于图像中，对周期性噪声的消除和降低是图像处理过程中的基本问题。传统的周期性噪声消除一般利用谐波滤波器或者自适应滤波，由于失真等原因，周期性噪声并非单一频率，其基波具有一定带宽，并且包含丰富的谐波分量等其他噪声干扰，若处理不当就可能在滤除噪声的同时造成图像失真或降噪效果不理想[1?2]。因此，Eng等提出了一种噪声自适应转换中值算法[3]，将图像的每个像素点进行检测分类，在噪声密度较小时能够有效去噪，但噪声密度超过一定值时去噪效果不理想。Buades等提出了非局部均值去噪方法[4]，利用图像中全局信息，计算邻域像素的权值，并将每个像素点的邻域与所有像素点进行对比，避免了