基于噪声检测的图像去噪算法

环境监测网讯:摘要：图像在形成、传输、接收和处理的过程中，不可避免地受到噪声的影响，从而影响了图像的视觉效果及后续的图像处理过程。本文详细论述了基于噪声检测的图像去噪算法。

图像去噪是图像处理领域中一项基本，而又十分关键的技术，一直是图像处理领域的一个难题。在图像的获取、传输和存贮的过程中不可避免地受到各种噪声源的干扰。为了从图像中获取更准确的信息，图像去噪预处理算法的好坏成为后续处理的关键。

一、噪音简介

噪声一般被认为是多余的干扰，所以图像中的噪声可定义为图像中不需要的干扰部分。若从信号的角度来描述图像，那么图像是一种信号。同样噪声从广义的角度也可被看作是一种信号。只不过这种信号所携带的信息是无意义的，或者说没有携带“信息”。因此噪声和图像中的有用信号之间既对立又统一。在研究噪声的路径上，既可利用噪声与信号的统一关系，通过信号的特性来对噪声的特性进行推理和预测；也可从二者的对立出发，将噪声看作与信号无关的统计量，进而单独进行研究。

图像中的噪声主要来源于两个过程，一是图像的获取过程，二是图像的传输过程。图像获取过程中，由于成像传感器自身质量的影响及环境条件的作用，产生图像退化，从而使图像质量下降。而图像在传输过程中，传输信道中的干扰是造成图像污染主要因素。另外，噪声对图像的破坏作用主要表现在以下方面：①影响主观视觉感受，降低了人们观看、理解和欣赏图像的能力。②使图像的后续中高层研究及应用无法进行或得出错误结论。噪声降低了数据源（原始图像）的质量和精度，产生局部二义性，最直接的影响就是对边缘检测和图像分割产生误导。

二、图像中去噪方法概述

图像去噪的目的是为了减少图像噪声。图像噪声来自于多方面，它由来自于系统外部干扰,如电磁波和经电源串进系统内部而引起的外部噪声，也有来自于系统内部的干扰,如摄像机的热噪声,电器机械运动而产生的抖动噪声等内部噪声。减少噪声的方法可在图像空间域或在图像变换域完成。

图像空间域去噪方法较多，邻域平均法是一种局部空间域处理的算法。图像经过邻域平均法处理后会变得相对模糊,这是因平均本来是以图像的模糊为代价来换取噪声的减少。空间域低通滤波方法也可平滑图像的噪声,它实际上是通过一个低通卷积模板在图像空间域进行二维卷积来达到去除图像噪声的目的。多幅图像平均法是利用对同一景物的多幅图像取平均来消除噪声的。中值滤波是一种空间域非线性滤波方法,由于它在实际运算过程中并不需要图像的统计特性,所以比较方便。在一定的条件下,它能克服线性滤波器所带来的图像细节模糊,而且对滤除脉冲干扰及图像噪声最为有效。

图像变换域去噪方法是对图像进行某种变换,将图像从空间域转换到变换域,再对变换域中的变换系数进行处理,再进行反变换将图像从变换域转换到空间域来达到去除图像噪声的目的。将图像从空间转换到变换域的变换方法很多,如付利叶变换、小波变换等。每种变换它的变换域得到的系数都有不同的特点,合理地处理变换系数再通过反变换将图像还原到空间域，能有效达到去除噪声的目的。

三、新的滤波器设计

设滤波器窗口大小为L(L为奇数)，将滤波器窗口内的原始图像的样本像素从上到下、从左到右排列，写成

(1)

为了方便，记这4个方向核为Kh(h=1，2，3，4)，由于冲击噪声一般都是基于下面两个假设的：1)没有受到冲击噪声干扰的图像区域是局部平滑的，这些局部平滑区域由边缘分隔开；2)受到冲击噪声污染的像素的灰度值与它临近没有受到噪声污染的像素的平均灰度值的差异较大。所以，利用上面的4个方向算子，设计如下的公式去判断是否为噪声像素并实现本文提出的滤波算法，即