[论文解读] Image De-Noising For Salt and Pepper Noise by Introducing New Enhanced Filter

Vivek Kumar, Atul Samadhiya|arXiv (Cornell University)|Jan 19, 2019

Image and Signal Denoising Methods参考文献 6被引用 5

一句话总结

本文提出了一种新型增强滤波器，用于通过在窗口仅包含0和255时用截尾均值替换噪声像素，否则使用基于均值的替换方法，从而从灰度图像中去除椒盐噪声。与SMF、DBMF和MDBMF相比，该方法在PSNR方面表现更优，且模糊程度更低，在Lena和Mandrill测试图像上展现出更优的视觉质量和噪声抑制效果。

ABSTRACT

When an image is formed, factors such as lighting (spectra, source, and intensity) and camera characteristics (sensor response, lenses) affect the appearance of the image. Therefore, the prime factor that reduces the quality of the image is noise. It hides the important details and information of images. In order to enhance the qualities of the image, the removal of noises become imperative and that should not at the cost of any loss of image information. Noise removal is one of the pre-processing stages of image processing. In this paper a new method for the enhancement of grayscale images is introduced, when images are corrupted by fixed valued impulse noise (salt and pepper noise). The proposed methodology ensures a better output for the low and medium density of fixed value impulse noise as compared to the other famous filters like Standard Median Filter (SMF), Decision Based Median Filter (DBMF) and Modified Decision Based Median Filter (MDBMF) etc. The main objective of the proposed method was to improve peak signal to noise ratio (PSNR), visual perception and reduction in the blurring of the image. The proposed algorithm replaced the noisy pixel by trimmed mean value. When previous pixel values, 0s, and 255s are present in the particular window and all the pixel values are 0s and 255s then the remaining noisy pixels are replaced by mean value. The gray-scale image of mandrill and Lena were tested via the proposed method. The experimental result shows better peak signal to noise ratio (PSNR), mean square error values with better visual and human perception.

研究动机与目标

• 解决椒盐噪声导致的图像质量退化问题，该问题会掩盖重要的图像细节。
• 在去噪后提升图像质量，同时避免关键结构或纹理信息的丢失。
• 与现有滤波器相比，提高峰值信噪比（PSNR）并减少图像模糊。
• 开发一种在低密度和中等密度噪声下均能有效工作的去噪方法。
• 确保去噪图像在视觉感知和人类评价方面表现更优。

提出的方法

• 该方法在图像上滑动窗口，分析每个像素邻域内的像素值。
• 若窗口仅包含0和255（椒盐噪声的典型特征），则算法计算非极端值的截尾均值。
• 当窗口中所有值均为0和255时，算法将噪声像素替换为窗口的算术均值。
• 该滤波器通过分析局部窗口内的强度分布，区分脉冲噪声与正常像素值。
• 该方法基于强度阈值识别为异常值的噪声像素，选择性地应用替换规则。
• 该算法在标准灰度图像（包括Lena和Mandrill）上进行测试，以评估性能。

实验结果

研究问题

• RQ1 结合截尾均值与算术均值的混合滤波方法是否能提升椒盐噪声去除中的PSNR？
• RQ2 与SMF、DBMF和MDBMF相比，所提出的滤波器在保留图像细节和减少模糊方面表现如何？
• RQ3 该方法在低密度和中等密度噪声下是否能保持良好的视觉质量和人类感知？
• RQ4 该滤波器能否有效识别并替换脉冲噪声像素，同时不影响干净区域？
• RQ5 采用两阶段替换策略（截尾均值与均值）对图像保真度有何影响？

主要发现

• 在测试的Lena和Mandrill图像上，所提出的滤波器相比SMF、DBMF和MDBMF获得了更高的峰值信噪比（PSNR）。
• 该方法相比标准中值滤波器和基于决策的滤波器，表现出更低的均方误差（MSE）值。
• 视觉检查证实模糊程度降低，图像边缘和纹理的保真度得到改善。
• 该算法在低密度和中等密度噪声下表现尤为出色，无论在定量指标还是定性指标上，均优于现有滤波器。
• 人类感知评估表明，去噪后的图像比传统滤波器处理的图像更锐利、更自然。
• 采用截尾均值和基于均值的替换策略，能有效降低噪声，同时最小化对原始图像特征的失真。