广义自对偶形态学滤波器及其在图像去噪中的应用  

Generalized self-dual morphological filters and the applications in image-denoising

作　　者：雷涛[1,2] 樊养余[1] 毛力[1] 

机构地区：[1]西北工业大学电子信息学院,陕西西安710072 [2]兰州交通大学电子与信息工程学院,甘肃兰州730070

出　　处：《光电子．激光》2011年第1期136-143,158,共9页Journal of Optoelectronics·Laser

基　　金：国家自然科学基金资助项目(60872159);国家"863"计划资助项目(2007AA01Z324)

摘　　要：针对传统的自对偶形态学滤波器(SMF)是依赖于两个互为对偶的形态学滤波器,虽然能较好地保持图像的细节,但抑制噪声的效果较差。本文基于改进的形态学中值算子(MMO)和均值算子(MAO),提出了广义自对偶中值形态学滤波器(GSSMF)和广义自对偶均值形态学滤波器(GSAMF),分析并证明了两类滤波器均满足形态学滤波器的自对偶特性,分别适用于脉冲噪声和高斯噪声的去除。实验结果表明,GSMF在保持图像亮度不发生偏移的同时有效抑制了图像中的噪声,滤波后的图像具有较高的峰值信噪比(PSNR)和较小的均方根误差(RMSE)。As the traditional self-dual morphological filters（SMF）depend on two mutual-dual morphological filters,which can preserve the image details,but can not suppress noise effectively,the generalized self-dual filters namely the self-dual median filter and the mean filter,which can remove impulse noise and Gassian noise respectively,were proposed based on modified morphological median operator（MMO） and mean operator（MAO） respectively.Experimental results show that the proposed generalized self-dual morphological filters can suppress noises efficiently while maintaining the image brightness,and the filtered image has high peak signal-noise-ratio（PSNR） and low root mean square error（RMSE）.

关 键 词：自对偶形态学滤波器(SMF) 形态学中值算子(MMO) 形态学均值算子(MAO) 均方根误差(RMSE) 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]