多窗口自適應的面目標濾波算法研究

余貴水，李曉龍，魏鐘記

（海軍工程大學 電子工程學院，湖北 武漢 430033）

現(xiàn)代生活和工作中，圖像已成為不可缺少的傳輸媒介。在軍事領域，它能夠使戰(zhàn)場人員準確地獲取目標信息，從而有效地實施應對措施?，F(xiàn)代戰(zhàn)爭中，高新技術的綜合運用，戰(zhàn)場環(huán)境復雜多變，獲取圖像的難度也越來越大，得到的圖像往往伴隨著強噪聲，很難辨別目標。對于紅外圖像，紅外成像系統(tǒng)中的探測器是系統(tǒng)噪聲的主要來源，是影響紅外系統(tǒng)圖像質量的主要因素。它包含兩個方面，一方面是探測器自身產生的噪聲，另一方面是成像系統(tǒng)產生的噪聲，如線掃描系統(tǒng)的掃描噪聲，凝視系統(tǒng)中的隨機噪聲等。來自紅外傳感器的圖像數(shù)據，在形成、傳輸和處理過程中，由于通過媒質的實際性能和接收設備的限制，不可避免地存在著外部噪聲和內部噪聲[1]。脈沖噪聲中典型的椒鹽就是由圖像傳感器、傳輸信道、解碼處理等產生的黑白相間的亮暗點噪聲。它往往由圖像切割引起。

一般去除脈沖干擾級椒鹽噪聲最常用的算法是中值濾波。中值濾波器能有效地去除圖像中的脈沖噪聲，但傳統(tǒng)的中值濾波器在濾波時無條件地作用于每個像素，結果圖像中那些原本末受噪聲污染的像素的灰度值也被替換。為了解決既要降噪，又要保護圖像細節(jié)這一矛盾，本文吸取了基于極值中值濾波算法的思想，找出了一種新的濾除噪聲的方法。

1 算法實現(xiàn)與原理分析

選取3×3窗口，取窗口區(qū)域中最大和最小值像素點，遍歷整幅窗口，讓每個3×3窗口區(qū)域中像素點的灰度值減去這個最大和最小值，這樣可去除極值點，重新賦值。

具體框圖如圖1所示。

需要說明的是：在3×3和5×5濾波窗口約束條件的設置中，零點數(shù)目的臨界值分別取了6和15。這2個值是在進行了大量仿真實驗，對實驗效果進行全面分析評定的基礎上，充分考慮了噪聲密度大小對不同尺寸濾波窗口的影響后，給出的經驗值[2]。另外，對于7×7窗口，非零點的個數(shù)超過45的情況極少發(fā)生，所以對此不做處理。

遍歷整幅圖像，在低信噪比的情況下，窗口中的極值點不一定是噪聲點，而被錯誤的賦值。為盡可能避免這種情況，需要對后續(xù)圖像進行進一步處理。把經多窗口自適應濾波處理后的圖像與原始圖像相減，得到的是含有誤檢點的噪聲圖像，選取閾值進一步處理。若是噪聲點，則2幅圖像相減后所得的值會大于閾值，若是誤檢點，則2幅圖像相減后所得的值小于閾值。由此，可進一步提取噪聲點。標記出這些噪聲點在原始噪聲圖像上的位置，使其歸零，再采用自適應窗口的方法進行賦值，得到最終的圖像。

圖1多窗口自適應濾波框圖Fig.1 Block diagram of multi-window adaptive filtering

處理前后圖像的差圖像記為L，由于無法精確知道誤檢點的數(shù)量，選取L每一列的最小值，把最小值當作閾值T，保留所有大于T的值，這樣就可以去除部分誤檢點，更好地恢復圖像。

2 仿真結果及分析

圖2（a）～圖2（h）以仿真圖的形式從另一角度闡述了本文算法的處理流程。本文采用峰值信噪比反應去除誤檢點前后圖像的改善效果，峰值信噪比的計算公式[3]為：

I（i，j）為原始圖像在像素點（i，j）處的灰度值，F(xiàn)（i，j）為處理后圖像在像素點（i，j）處的灰度值，M和N表示圖像的尺寸大小。

圖2處理流程仿真圖Fig.2 Flow chart of process simulation

圖3是圖像在0.1～0.6的信噪比下，去除誤檢點和包含誤檢點的峰值信噪比曲線。圖3中橫坐標表示信噪比，縱坐標表示峰值信噪比。由于該圖是圖像像素點灰度值的比較，所以單位無量綱。

從圖3中可以看出，在低信噪比的情況下，去除誤檢點后，峰值信噪比有了一定的提高。

圖3峰值信噪比曲線Fig.3 Curves of PSNRvalue

在高信噪比時，出現(xiàn)誤檢點的可能性會減小很多，這種情況下，采用本文的多窗口自適應算法進行濾波，較傳統(tǒng)的方法有很大改善。關于濾波算法去除噪聲和保護細節(jié)的綜合性能，一般采用平均絕對誤差（MAE）準則和均方誤差準則（MSE）及主觀觀察進行評判[4]。

1）歸一化的MAE及MSE公式分別為：

式中，Ix，y為原始圖像在（x，y）處的灰度值，F(xiàn)x，y為處理后圖像在（x，y）處的灰度值。

表1為在信噪比為0.7的情況下所得到的數(shù)據。

表1幾種濾波算法的MSE與MAE值比較Tab.1 Comparison for MSE，MAE of several filtering algorithms

從表1中數(shù)據可以看出，在高信噪比的情況下，采用未加改進的多窗口自適應算法得到的效果最好。

2）仿真圖像：圖4為在信噪比是0.7的情況下，采用不同方法得到的圖像，圖4（a）為采用多窗口適應濾波算法得到的圖像，圖4（b）為采用傳統(tǒng)算法得到的圖像，圖4（c）為濾除誤檢點后采用多窗口自適應算法得到的圖像。

圖43種方法的處理結果Fig.4 Results though three methods

從圖4中可以直觀看出：在高信噪比下，圖4（a）的濾波效果最好，圖 4（c）的濾波效果次之，圖 4（b）的濾波效果最差。因此高信噪比下，采用未加改進的多窗口自適應濾波得到的圖像效果最好。

3 結 論

本文提出了一種面目標的多窗口自適應濾波算法。通過選取局部最值點的方法濾除噪聲點，結合周圍像素點的灰度值，恢復被污染的圖像[5]。

在低信噪比的情況下，最值點的選取可能包含誤檢點，因此還需把誤檢點還原，通過設定的閾值，還原出來的圖像能更好地再現(xiàn)原圖像的細節(jié)和邊緣。在高信噪比的情況下，采用本文算法，恢復的圖像比傳統(tǒng)的中值濾波和自適應中值濾波效果更好[6]。

但在低信噪比的情況下，怎樣更有效地選取閾值，提取誤檢點仍是需要進一步研究的問題。

[1]王紅梅，李言俊，張科，等.基于極值檢測的圖像濾波算法[J].激光與紅外，2007，37（10）：1117-1119.WANG Hong-mei，LI Yan-jun，ZHANG Ke，et al.An image filtering algorithm based on extremum detection[J].Laser＆Infraredv，2007，37（10）：1117-1119.

[2]閔祥龍，王江安，吳榮華，等.一種基于雙極值判決的紅外圖像高密度噪聲濾除算法 [J].紅外技術，2008，30（3）：168-172.MIN Xiang-long，WANG Jiang-an，WU Rong-hua，et al.An infrared image high-density noise filtering algorithm based on two-pass crest value judgment[J].Infrared Technique，2008，30（3） :168-172.

[3]郭軍，趙和鵬，朱長仁.一種基于自適應權值灰關聯(lián)分析的毫米波/紅外融合識別方法[J].計算機工程與科學，2010（2） :146-149.GUO Jun，ZHAO He-peng，ZHU Chang-ren.A method of MMW/IR fusion for target recognition based on gray relational analysis with adaptive weights[J].Computer Engineering and Science，2010 （2） :146-149.

[4]顧建雄，田亞菲.保持圖像細節(jié)的紅外圖像直方圖均衡算法[J].微計算機信息，2010 （2） :186-187，197.GU Jian-xiong，TIAN Ya-fei.Infrared image histogram equalization with image Details preservation[J].Microcomputer Information，2010 （2） :186-187，197.

[5]孫國棟，吉書鵬，周楨.基于小波和Context模型的海面紅外弱小目標檢測[J].紅外技術，2010（2）:97-100 SUN Guo-dong，JI Shu-peng，ZHOU Zhen.Dim small IR sea target detection based on wavelet and Context model[J].Infrared Technique，2010 （2） :97-100.

[6]黨曉軍，尹俊文.一種基于模板匹配的運動目標跟蹤方法[J].計算機工程與應用，2010（5）:173-176.DANG Xiao-jun，YIN Jun-wen.Template matching based moving object tracking method[J].Computer Engineering and Applications，2010 （5） :173-176.