如发现有乱码，请点击下面链接浏览原文
正文摘录:

郭炜：多级非线性加权平均中值滤波改进算法及13篙5笺鬻VI言示1姜鞲L篓5亲4髹篙萎：2捌乍线岫权平均中值滤波改进算法及。的一维窗，图给出了一时个窗口的形状。。％％.％@＼·’·／／.，／／.＼.＼／·／I＼“-z／’··＞：·：＞＜··一厂含j、钦心.／..┗┻┻┛本文根据以上算法，结合文献[1]中提出的加权中值滤波，提出了一种新的改进算法。在式(3)描述的4个子集中，加入象素X(i，j)周围最近的4个象素x(i，J一1)，X(i+1，j)，X(i一1，J)，X(i，J+1)，设：X(i±1，J±1)一X(i，J一1)+X(i+1，j)+X(i一1，J)+X(i，J+1)(11)则加入象素后的4个子集为：图14个不同方向的一维窗口，w。(i假定互(i，J)，(s一1，2，3，4)是4个子集元素的中值，即：1w。(i互(i，j)一med[X(i，j)∈w，(i，歹)]，k一1，2，3，4(4)]W。(i并且：【W4(iY…(i，j)：min[Z。(i，j)，Z2(i，J)，Za(-i，j)，Z。(i，j)](5)Y…(i，J)=max[Z，(i，j)，Z2(i，j)，z3(i，歹)，z4(i，j)](6)则多级中值滤波的输出定义为：y(i，j)一med[-Ym.。(i，j)，Y…(i，j)，X(i，j)](7)多级中值滤波虽然能较好地保持图像的边缘和细节，但是他抑制噪声的能力较弱。1.3加权多级中值滤波算法在多级中值滤波算法的基础上，文献[2]提出了加权多级中值滤波算法。由式(4)得加权多级中值滤波的输出为：4Y(i，J)一∑z；(i，j)／4(8)5—1加权多级中值滤波利用了窗口中沿4个不同方向子窗口中值滤波的输出，因此加权操作后，会对图像的细节产生良好的保护作用。1.4多级非线性加权平均中值滤波算法为了弥补多级中值滤波算法降低图像的平均灰度和抑制噪声能力弱的缺点，文献[3]提出了一种多级非线性加权平均中值滤波算法。他首先对上述4个子集元素的中值进行排序。在(i，j)点处从大到小排序后得到的结果为：Z^(i，J)，乙(i，J)，Z。(i，J)，Z^(i，J)，i一1，2，…，2N+1，J一1，2，…，2N+1均值为：Z(i，J)一(Z。(i，J)+Z，(i，J)+乙(i，歹)+乙(i，J))／4(9)那么，多级非线性加权平均中值滤波的输出为：y(i，j)一(Z^(i，j)。／z(i，J)+乙(i，j)。／z(i，j)+Z^(i，j)。／2(i，j)+Z』(i，J)。／2(i，J))／4(10)通过对上述4个子集元素的中值进行加权平均，给予其中较大的值以较大的权重，以期弥补图像灰度均值降低和噪声抑制能力弱的缺陷，较好地恢复噪声图像。160(12)然后对4个子集分别排序并取中值得：Zs(i，J)一med[-X(i，j)∈W，(i，j)]，s一1，2，3，4(13)对取得的中值求均值得：Z(i，J)一(Z。(i，J)+Z2(i，j)+z。(i，J)+Z4(i，J))／4(14)加权平均后得中值滤波的输出为：Y(i，J)一(Z。(i，j)。／2(i，j)+z2(i，J)。／Z(i，j)+z3(i，J)。／2(i，j)+乙(i，j)。／2(i，歹))／4(15)通过对4个子集中加入x(i，J)周围最近的4个象素，强化了x(i，j)点及其周围的象素，突出了x(i，j)点及其周围象素点在计算中值时的作用。3仿真实验根据前面的算法，我们用lena(512*512)图像进行仿真，用3×3模板进行多级非线性加权平均中值滤波改进算法仿真，如图2所示。(d)(e)(D图2几种改进中值滤波算法的仿真结果其中，图2(a)为原始图像，图2(b)为含噪图像NNNN／一／r／r／一^^^^／r／一／r／rNNNN一一一一h土h+一士±.u士.0+一士X+一X“}“一_X)X，H¨H一是0.0u+七乜^.0+++XXXX一一一一