第五篇 图像复原.ppt

? ^ ?s , t ?? S xy ? ? 5.3.2 统计排序滤波器 中值滤波器 f ?x , y ? ? median ?g ?s , t ?? 在相同尺寸下，比起均值滤波器引起的模糊 少 对单极或双极脉冲噪声非常有效 ? ^ ?s ,t ??S xy ? ? 统计排序滤波器 最大值滤波器 f ?x, y ? ? max ?g ?s, t ?? 用于发现图像中的最亮点 可以有效过滤“胡椒”噪声（因为“胡椒”噪声 是非常低的值） ? ^ ?s ,t ??S xy ? ? 统计排序滤波器 最小值滤波器 f ?x, y ? ? min ?g ?s, t ?? 用于发现图像中的最暗点 可以有效过滤“盐”噪声（因为“盐”噪声是非 常高的值） ? ? ? 统计排序滤波器 中点滤波器 结合了顺序统计和求平均 对于高斯和均匀随机分布这类噪声有最好的 效果 ? ^ ? ? ? ? ? 统计排序滤波器 修正后的阿尔法均值滤波器 f ?x, y ? ? 1 mn ? d ? g r ?s, t ? ?s ,t ??S xy 在Sxy邻域内去掉g(s,t)最高灰度值的d/2和最低灰 度值的d/2 gr(s,t)代表剩余的mn-d个像素 当d=0，退变为算术均值滤波器 当d=(mn-1)/2，退变为中值滤波器 当d取其它值时，适用于包括多种噪声的情况下，例 如高斯噪声和椒盐噪声混合的情况 最大值和最小值滤波器举例 “胡椒”噪声干扰图像 最大值滤波器处理 “盐”噪声干扰图像 最小值滤波器处理 空间域滤波器举例 由于脉冲噪声的存在，算术均值和几何均值滤波器没有起到好的作用 均值为0，方差为 800的噪声干扰的图像 算术均值滤波器х 中值滤波器 被Pa=Pb=0.1的椒盐噪 声叠加，进一步恶化 几何均值滤波器× d=5,规格为5×5的修正 后的阿尔法均值滤波器 √ ? ? ? ? ? 5.3.3 自适应滤波器 自适应滤波器 ? 行为变化基于由m×n矩形窗口Sxy定义的区域 内图像的统计特性 与前述滤波器相比，性能更优 但也增加了算法复杂性 ? 包括: 自适应、局部噪声消除滤波器 自适应中值滤波器 ? 自适应滤波器 自适应、局部噪声消除滤波器 滤波器响应基于以下3个统计量： ① －－噪声方差 ②mL －－在Sxy上像素点的局部均值 ③ －－在Sxy上像素点的局部方差 ? 2 2 3. 自适应滤波器 自适应、局部噪声消除滤波器 滤波器的预期性能如下： 1. 如果 ＝0（零噪声），滤波器返回g(x,y)的值。 2. 如果局部方差 ? L 与 高相关，滤波器返回 一个g(x,y)的近似值 如果 ? ? L ，滤波器返回区域Sxy上像素的 算术均值。这样局部噪声用求平均来降低 ? ? 自适应滤波器 自适应、局部噪声消除滤波器 基于上述假定的自适应表达式： ? 唯一需要知道或估计的未知量是噪声方差 其它参数可以从Sxy中的像素计算出来 自适应滤波器举例 均值为0，方差为1000的高斯噪声 7×7的几何均值滤波器 7×7的算术均值滤波器 7×7的自适应滤波器 更加尖锐 ? ? ? 自适应滤波器 自适应中值滤波器 传统中值滤波器只能处理空间密度不大的 冲激噪声（pa,pb0.2）,而自适应中值滤波 器可以处理具有更大概率的冲激噪声 可以在平滑非冲激噪声时保存细节，而传 统中值滤波器无法做到 ? ? ? ? ? ? 自适应滤波器 自适应中值滤波器：定义下列符号 zmin=局部区域Sxy中灰度级的最小值 zmax=局部区域Sxy中灰度级的最大值 zmed=局部区域Sxy中灰度级的中值 zxy＝在坐标（x,y）上的灰度级 Smax=局部区域Sxy允许的最大尺寸 ? ? ? 自适应中值滤波器：算法 ? 主要目的 除去“椒盐”噪声（冲激噪声） 平滑其它非冲激噪声 减少物体边界细化或粗化等失真 ? ? ? ? ? ? ? ? 自适应中值滤波器：算法 A层：检测zmed是否是一个脉冲（找到一个非脉冲噪声） A1=zmed- zmin A2=zmed- zmax 如果A10且A20（满足z