文献类型：期刊文章

作　　者：陈家益[1] 战荫伟[2] 曹会英[1] 董梦艺[3]

Chen Jiayi;Zhan Yinwei;Cao Huiying;Dong Mengyi(School of Information Engineering,Guangdong Medical University,Zhanjiang,524023,China;School of Computer Science and Technology,Guangdong University of Technology,Guangzhou 510006,China;Second Clinical Medical College,Southern Medical University,Guangzhou 510515,China)

机构地区：[1]广东医科大学信息工程学院,湛江524023 [2]广东工业大学计算机学院,广州510006 [3]南方医科大学第二临床学院,广州510515

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(61170320);广东省自然科学基金(2015A030310178);广东省科技计划(2017B010110015);广州市科技计划(201604016034);广东省医学科研基金(B2018190);湛江市科技攻关计划(2017B01142);广东医科大学科研基金(GDMUM201815;GDMUM201827)资助项目

年　　份：2019

卷　　号：31

期　　号：3

起止页码：126-135

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：图像中椒盐噪声的有效去除,取决于噪声检测和噪声灰度估测的准确性,但现有的滤波算法在噪声检测和噪声灰度估测上的准确性不高。因此,提出了基于图像纹理特征的决策滤波算法。算法根据椒盐噪声的灰度最值特征和独立性,以及图像纹理的特征进行噪声检测,将噪声与信号像素准确地区分开。算法根据纹理中像素灰度的平滑变化特征,将邻域中的信号像素进行分组,然后基于相关性与正态概率分布的意义,取与邻域均值最接近的分组的中值作为噪声像素的估测值。实验的结果证明,所提出的算法检测噪声更加准确,其去噪结果对应的峰值信噪比(PSNR)比现有的算法平均提高1.9 dB以上,图像增强因子(IEF)比现有的算法平均提高119以上。因此,相对于现有的算法,所提出的算法在去噪性能上具有显著的优越性。

关 键 词：图像去噪  噪声检测 中值滤波 灰度最值  纹理特征 决策滤波  

分 类 号：TP391.41] TN713[计算机类]