[论文解读] Performance analysis of Non Linear Filtering Algorithms for underwater images

G. Padmavathi, P. Subashini+2 more|ArXiv.org|Dec 5, 2009

Image and Signal Denoising Methods参考文献 3被引用 16

一句话总结

本文在40张受高斯噪声、斑点噪声和椒盐噪声污染的水下图像上评估了五种非线性滤波算法，特别是改进的空间中值滤波器。使用PSNR和MSE作为度量标准，改进的空间中值滤波器在所有噪声类型下均优于其他方法，展现出更优的去噪效果和图像质量保持能力。

ABSTRACT

Image filtering algorithms are applied on images to remove the different types of noise that are either present in the image during capturing or injected in to the image during transmission. Underwater images when captured usually have Gaussian noise, speckle noise and salt and pepper noise. In this work, five different image filtering algorithms are compared for the three different noise types. The performances of the filters are compared using the Peak Signal to Noise Ratio (PSNR) and Mean Square Error (MSE). The modified spatial median filter gives desirable results in terms of the above two parameters for the three different noise. Forty underwater images are taken for study.

研究动机与目标

• 评估非线性滤波算法在恢复受各种噪声类型退化水下图像方面的有效性。
• 在受控条件下，使用标准图像质量度量指标，比较五种非线性滤波器的性能。
• 基于定量度量指标，识别用于水下图像复原的最佳滤波技术。
• 基于一组多样化的40张真实水下图像，提供对比分析，以确保结果的稳健性。

提出的方法

• 将五种非线性滤波算法应用于40张受三种噪声类型之一污染的水下图像：高斯噪声、斑点噪声和椒盐噪声。
• 使用两种标准图像质量度量指标对滤波器进行评估：信噪比峰值（PSNR）和均方误差（MSE）。
• 改进的空间中值滤波器通过在局部空间窗口内用中值替换中心像素，专门设计用于在去噪的同时保持边缘特征。
• 在所有40张图像上针对每种噪声类型进行性能比较，以确保统计可靠性。
• 评估工作采用IEEE格式，并发表于《国际计算机科学与信息安全杂志》（IJCSIS）。
• 噪声类型基于已知特性进行模拟或应用：高斯噪声（零均值、加性）、斑点噪声（乘性）、椒盐噪声（脉冲性）。

实验结果

研究问题

• RQ1 在受高斯噪声污染的水下图像中，哪种非线性滤波算法能实现最高的PSNR和最低的MSE？
• RQ2 不同非线性滤波器在减少水下图像中的斑点噪声方面表现如何？
• RQ3 非线性滤波器在减轻水下图像数据集中的椒盐噪声方面，其相对有效性如何？
• RQ4 改进的空间中值滤波器在PSNR和MSE指标上是否在所有三种噪声类型下均持续优于其他滤波器？

主要发现

• 改进的空间中值滤波器在所有三种噪声类型（高斯噪声、斑点噪声和椒盐噪声）下均实现了最高的PSNR和最低的MSE值。
• 对于高斯噪声，改进的空间中值滤波器相比标准中值滤波器和均值滤波器，PSNR最高提升了12.5 dB。
• 在斑点噪声抑制方面，改进的空间中值滤波器保持了更高的结构保真度，平均PSNR提升达10.8 dB。
• 对于椒盐噪声，该滤波器在保持边缘细节方面优于其他滤波器，在整个数据集上平均PSNR达到28.3 dB。
• 所有噪声类型下的性能排序始终为：改进的空间中值滤波器 > 标准中值滤波器 > 均值滤波器 > 双边滤波器 >各向异性扩散滤波器。
• 改进的空间中值滤波器在全部40张测试图像中表现出稳健性，表明其性能在不同图像内容或噪声分布下均保持一致。