[论文解读] Removal of Salt and Pepper noise from Gray-Scale and Color Images: An Adaptive Approach

Sujaya Kumar Sathua, Arabinda Dash+1 more|arXiv (Cornell University)|Mar 7, 2017

Image and Signal Denoising Methods参考文献 1被引用 12

一句话总结

本文提出了一种自适应滤波算法，通过动态调整受损像素周围的窗口大小，从灰度图像和彩色图像中去除椒盐噪声。该算法根据局部窗口统计信息，将噪声像素替换为均值、中值或截尾均值，与现有方法（如MF、AMF和AWMF）相比，实现了更高的PSNR和图像增强因子（IEF）。

ABSTRACT

An efficient adaptive algorithm for the removal of Salt and Pepper noise from gray scale and color image is presented in this paper. In this proposed method first a 3X3 window is taken and the central pixel of the window is considered as the processing pixel. If the processing pixel is found as uncorrupted, then it is left unchanged. And if the processing pixel is found corrupted one, then the window size is increased according to the conditions given in the proposed algorithm. Finally the processing pixel or the central pixel is replaced by either the mean, median or trimmed value of the elements in the current window depending upon different conditions of the algorithm. The proposed algorithm efficiently removes noise at all densities with better Peak Signal to Noise Ratio (PSNR) and Image Enhancement Factor (IEF). The proposed algorithm is compared with different existing algorithms like MF, AMF, MDBUTMF, MDBPTGMF and AWMF.

研究动机与目标

• 解决固定窗口噪声去除技术在处理不同噪声密度时的局限性。
• 开发一种自适应方法，根据图像局部特征智能调整窗口大小。
• 在灰度图像和彩色图像中，提升PSNR和IEF等图像质量度量指标。
• 在去噪能力和视觉保真度方面，优于现有最先进滤波器（如MF、AMF、MDBUTMF、MDBPTGMF和AWMF）。

提出的方法

• 对每个像素应用3×3滑动窗口，将中心像素视为待处理像素。
• 算法检查中心像素是否受损（即，极端像素值表示存在噪声）。
• 若像素受损，则根据预设条件自适应地增大窗口大小，以捕获更可靠的邻域数据。
• 根据当前窗口内的统计信息，用均值、中值或截尾均值替换受损像素。
• 选择使用均值、中值或截尾均值的决策基于当前窗口内像素值的分布，以在降噪与边缘保持之间取得平衡。
• 该算法在整幅图像上迭代执行，适用于灰度图像和彩色图像，其中彩色图像在各颜色通道上分别处理。

实验结果

研究问题

• RQ1 窗口大小自适应如何提升在不同噪声密度下的椒盐噪声去除效果？
• RQ2 在不同局部图像背景下，均值、中值和截尾均值的最优组合是什么，以实现噪声像素的替换？
• RQ3 与固定窗口滤波器相比，自适应窗口化在PSNR和IEF方面有多大的性能优势？
• RQ4 与传统滤波器相比，该方法在图像细节和边缘保持方面表现如何？
• RQ5 该算法是否能在无需单独调优的情况下，同时在灰度图像和彩色图像上保持高性能？

主要发现

• 在所有测试的噪声密度下，所提方法的峰值信噪比（PSNR）均高于MF、AMF、MDBUTMF、MDBPTGMF和AWMF。
• 图像增强因子（IEF）显著提升，表明图像细节和对比度得到更好保留。
• 自适应窗口缩放使高噪声密度下仍能有效去除噪声，而固定尺寸滤波器常在此类情况下失效。
• 在高噪声区域使用截尾均值可降低异常值的影响，提升鲁棒性。
• 与传统均值和中值滤波器相比，该算法能更好地保持边缘锐度和纹理细节。
• 该方法在灰度图像和彩色图像上均表现出一致的性能，且未造成色彩保真度下降。