[论文解读] On Image Filtering, Noise and Morphological Size Intensity Diagrams

Vitorino Ramos, Fernando Muge|ArXiv.org|Dec 17, 2004

Neural Networks and Applications参考文献 11被引用 3

一句话总结

本文提出了一种基于形态学尺寸-强度图（M-SID）的新方法，通过两种形态学滤波变换（FT1, FT2）生成，实现图像中自适应噪声去除。通过分析这些图谱上的定量度量，该方法确定了交替序列滤波器（ASF）的最优滤波参数与停止准则，从而在抑制噪声的同时保持图像结构。

ABSTRACT

In the absence of a pure noise-free image it is hard to define what noise is, in any original noisy image, and as a consequence also where it is, and in what amount. In fact, the definition of noise depends largely on our own aim in the whole image analysis process, and (perhaps more important) in our self-perception of noise. For instance, when we perceive noise as disconnected and small it is normal to use MM-ASF filters to treat it. There is two evidences of this. First, in many instances there is no ideal and pure noise-free image to compare our filtering process (nothing but our self-perception of its pure image); second, and related with this first point, MM transformations that we chose are only based on our self - and perhaps - fuzzy notion. The present proposal combines the results of two MM filtering transformations (FT1, FT2) and makes use of some measures and quantitative relations on their Size/Intensity Diagrams to find the most appropriate noise removal process. Results can also be used for finding the most appropriate stop criteria, and the right sequence of MM operators combination on Alternating Sequential Filters (ASF), if these measures are applied, for instance, on a Genetic Algorithm's target function.

研究动机与目标

• 解决由于缺乏纯噪声-free参考图像而导致噪声定义模糊的问题。
• 克服图像分析中噪声感知的主观性与模糊性。
• 基于图像自身的特性，开发一种选择最优形态学滤波参数的定量方法。
• 为交替序列滤波（ASF）中的停止准则提供系统性确定方法。
• 利用尺寸-强度图中的可测量特征，实现形态学算子序列的自动化优化。

提出的方法

• 对输入的含噪图像应用两种不同的形态学滤波变换（FT1, FT2）。
• 从FT1和FT2的输出结果构建尺寸-强度图（M-SID），以表征在不同强度与尺寸尺度下的结构特征。
• 从两个滤波输出的M-SID中提取定量度量（例如：面积、峰值强度、分布形状）。
• 通过比较这些度量的分析结果，评估并排序滤波性能。
• 将M-SID分析整合进目标函数，用于元启发式优化（如遗传算法），以指导ASF中的算子序列选择。
• 基于M-SID度量中观察到的收敛趋势，定义ASF的停止准则。

实验结果

研究问题

• RQ1 在缺乏真实噪声-free图像的情况下，如何客观量化噪声？
• RQ2 形态学尺寸-强度图中的哪些可测量图像特征可指导最优滤波参数的选择？
• RQ3 尺寸-强度图分析能否改善交替序列滤波中停止准则的选择？
• RQ4 如何利用基于M-SID的度量来优化ASF中形态学算子的序列？
• RQ5 所提出的方法在多大程度上减少了噪声感知与滤波决策中的主观性？

主要发现

• 所提出的方法能够基于尺寸-强度图中的可测量特征，实现客观、数据驱动的形态学滤波参数选择。
• 对两个滤波阶段（FT1, FT2）的M-SID进行定量分析，为评估噪声去除效果提供了可靠依据。
• 通过检测图谱特征中的收敛趋势，该方法支持为交替序列滤波器确定最优停止准则。
• 将M-SID度量整合进目标函数，可实现形态学算子序列的自动化优化。
• 该方法减少了对噪声主观感知的依赖，提供了更一致且可重复的滤波过程。
• 该方法在真实世界模式识别场景中得到验证，证明在缺乏真实噪声-free图像的情况下，显著提升了滤波效果。