[论文解读] Image Denoising using New Adaptive Based Median Filters

Suman Shrestha|arXiv (Cornell University)|Sep 10, 2014

Image and Signal Denoising Methods参考文献 10被引用 7

一句话总结

本文提出了一种新颖的自适应决策型中值滤波器，用于去除图像中的脉冲噪声，能够根据局部噪声特性动态调整滤波操作。通过在各种测试图像上进行MATLAB仿真验证，该方法在保留图像细节方面优于现有方法，并在高噪声密度下实现了更高的PSNR和更低的MSE。

ABSTRACT

Noise is a major issue while transferring images through all kinds of electronic communication. One of the most common noise in electronic communication is an impulse noise which is caused by unstable voltage. In this paper, the comparison of known image denoising techniques is discussed and a new technique using the decision based approach has been used for the removal of impulse noise. All these methods can primarily preserve image details while suppressing impulsive noise. The principle of these techniques is at first introduced and then analysed with various simulation results using MATLAB. Most of the previously known techniques are applicable for the denoising of images corrupted with less noise density. Here a new decision based technique has been presented which shows better performances than those already being used. The comparisons are made based on visual appreciation and further quantitatively by Mean Square error (MSE) and Peak Signal to Noise Ratio (PSNR) of different filtered images..

研究动机与目标

• 为解决数字图像在电子传输过程中面临的脉冲噪声问题。
• 克服现有中值滤波器在高噪声密度下性能下降的局限性。
• 开发一种自适应决策型滤波技术，在有效去除脉冲噪声的同时保留图像细节。
• 通过MSE和PSNR的定量评估，以及视觉评估，对所提方法进行综合评价。

提出的方法

• 所提方法采用决策型方法识别局部邻域内的噪声像素。
• 基于噪声检测准则，仅对被分类为噪声的像素应用改进的中值滤波。
• 滤波器根据局部噪声密度和像素分布自适应调整窗口大小和操作方式。
• 采用基于阈值的噪声检测机制，以区分脉冲噪声与普通图像内容。
• 算法选择性地将噪声像素替换为动态调整窗口内的中值。
• 该方法使用MATLAB实现并测试，以进行全面的性能评估。

实验结果

研究问题

• RQ1 所提出的自适应决策型中值滤波器在噪声抑制和细节保留方面与传统中值滤波器相比表现如何？
• RQ2 在传统滤波器失效的高脉冲噪声密度下，所提方法是否能保持高图像质量？
• RQ3 自适应窗口选择对中值滤波性能（以PSNR和MSE衡量）有何影响？
• RQ4 与固定阈值方法相比，基于决策的噪声检测机制如何提升滤波精度？
• RQ5 在视觉和定量评估中，所提方法在多大程度上优于现有技术？

主要发现

• 所提滤波器在高噪声密度下获得的PSNR值高于传统中值滤波器。
• 与现有技术相比，该方法表现出更低的均方误差（MSE），表明具有更好的噪声抑制能力。
• 视觉结果表明，与标准中值滤波器和自适应滤波器相比，该方法在保留精细图像细节和边缘方面表现更优。
• 自适应窗口选择显著提升了性能，通过减少非噪声区域的模糊效应。
• 基于决策的机制能有效识别并仅替换脉冲噪声像素，最大限度减少对干净像素的失真。
• MATLAB仿真结果证实，该方法在多种测试图像和噪声水平下均持续优于现有滤波器。