吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (01): 184-190.doi: 10.13229/j.cnki.jdxbgxb201401031

• 论文 • 上一篇    下一篇

基于改进型交叉视觉皮层模型的自适应图像去噪

祁冰, 孔韦韦   

  1. 武警工程大学 信息工程系, 西安 710086
  • 收稿日期:2012-09-12 出版日期:2014-01-01 发布日期:2014-01-01
  • 通讯作者: 孔韦韦(1983-),男,讲师,博士.研究方向:图像智能信息融合.E-mail:kwwking@163.com E-mail:kwwking@163.com
  • 作者简介:祁冰(1980-),男,副教授,博士.研究方向:图像噪声处理.E-mail:visual_myself@126.com
  • 基金资助:

    国家自然科学基金项目(61309008,61309022);陕西省自然科学基金项目(2013JQ8031);中国博士后科学基金项目(2013M532133);武警工程大学自然研究基础基金项目(WJY-201214,WJY-201312).

Adaptive technique for image de-noising based on improved intersecting cortical mode

QI Bing, KONG Wei-wei   

  1. Department of Information Engineering, Engineering University of Armed Police Force, Xi'an 710086, China
  • Received:2012-09-12 Online:2014-01-01 Published:2014-01-01

摘要:

针对经典ICM进行分析并找出其结构中的缺陷,提出一种改进型交叉视觉皮层模型(Improved ICM,ⅡCM)。该模型不仅减少了待定参数的个数,还构造了赋时矩阵T用于解决迭代次数的确定问题,同时实现了图像空间信息到时间信息的转换;其次,利用T提供的信息确定噪声点的具体位置;最后,提出基于ⅡCM的自适应图像去噪算法,完成对图像脉冲噪声的有效滤除。该方法仅对受噪声污染的像素点进行处理,并可自适应调整区域窗口的尺寸,在去噪效果和运行效率上同其他方法相比具有明显的优势。

关键词: 计算机应用, 图像去噪, 交叉视觉皮层模型, 赋时矩阵

Abstract:

First,the basic classic ICM is analyzed and its structural drawbacks are detected. Second, the proposed ⅡCM is presented, which not only declines the number of parameters required setting, but also constructs the time matrix T to settle the problem of setting the number of iterative times; meanwhile, he transformation from the image spatial information to time information can be realized. Third, the noisy pixels are located uilizing the information provided by the time matrix T in ⅡCM. Finally, the task of efficiently filtering the impulsive noise in the image is completed by the proposed adaptive algorithm for image de-noising based on ⅡCM. Because of only dealing with the polluted pixels and adjusting the size of area window adaptively, the proposed technique has remarkable superiority over other ones in both simulation performance and running efficiency.

Key words: computer application, image de-noising, intersecting cortical model, time matrix

中图分类号: 

  • TP391

[1] 敬忠良, 肖刚, 李振华.图像融合——理论与应用[M]. 北京:高等教育出版社, 2007.

[2] 王宏志, 武伟, 钟诚. 基于非线性扩散与小波变换的混合图像去噪算法[J]. 吉林大学学报:工学版, 2009, 39(2): 525-529. Wang Hong-zhi, Wu Wei, Zhong Cheng. Image denoising algorithm based on nonlinear diffusion and wavelet transform[J]. Journal of Jilin University(Engineering and Technology Edition), 2009, 39(2): 525-529.

[3] Po D D, Do M N. Directional multiscale modeling of images using the contourlet transform[J]. IEEE Transactions on Image Processing, 2006, 15(6): 1610-1620.

[4] 王蕊, 尹忠科, 龙奕. 基于改进轮廓波变换的图像去噪算法[J]. 计算机工程, 2009, 35(6): 228-230. Wang Rui, Yin Zhong-ke, Long Yi. Image denoising algorithm based on improved contourlet transform[J]. Computer Engineering, 2009, 35(6): 228-230.

[5] Cunha A L, Zhou J P, Do M N. The nonsubsampled contourlet transform: theory, design and applications[J]. IEEE Transactions on Image Processing, 2006, 15(10): 3089-3101.

[6] 贾建, 焦李成, 项海林. 基于双变量阈值的非下采样Contourlet变换图像去噪[J]. 电子与信息学报, 2009, 31(3): 532-536. Jia Jian, Jiao Li-cheng, Xiang Hai-lin. Using bivariate threshold function for image denoising in NSCT domain[J]. Journal of Electronics & Information Technology, 2009, 31(3): 532-536.

[7] 邹文洁. 基于PCNN神经网络的图像去噪算法研究[J]. 计算机仿真, 2008, 25(8):234-237. Zou Wen-jie. An image de-noising algorithm based on PCNN[J]. Computer Simulation, 2008, 25(8):234-237.

[8] 马义德, 张红娟. PCNN与灰度形态学相结合的图像去噪方法[J]. 北京邮电大学学报, 2008, 31(2):108-112. Ma Yi-de, Zhang Hong-juan. A new image denoising algorithm combined PCNN with gray-scale morphology[J]. Journal of Beijing University of Posts and Telecommunications, 2008, 31(2): 108-112.

[9] 刘勍, 马义德. 一种基于PCNN赋时矩阵的图像去噪新算法[J]. 电子与信息学报, 2008, 30(8): 1869-1873. Liu Qing, Ma Yi-de. A new algorithm for noise reducing of image based on PCNN time matrix[J]. Journal of Electronics & Information Technology, 2008, 30(8): 1869-1873.

[10] Ekblad U, Kinser J M. The intersecting cortical model in image processing[J]. Nuclear Instruments & Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2004, 525(1): 392-396.

[11] Ekblad U, Kinser J M. Theoretical foundation of the intersecting cortical model and its use for detection of aircrafts, cars and nuclear explosion tests[J]. Signal Processing, 2004, 84(7): 1131-1146.

[12] 高山, 毕笃彦, 魏娜. 基于交叉视觉皮质模型的彩色图像自动分割方法[J]. 中国图象图形学报, 2009, 14(8): 1638-1642. Gao Shan, Bi Du-yan, Wei Na. A new algorithm of color image automatic segmentation based on intersecting cortical model[J]. Journal of Image and Graphics, 2009, 14(8): 1638-1642.

[13] 徐志平. 基于交叉视觉皮质模型的图像处理关键技术研究[D]. 上海:复旦大学, 2007. Xu Zhi-ping. Key technologies of image processing based on intersecting cortical model[D]. Shanghai: Fudan University, 2007.

[14] Kenny K V T, Nor A M Isa. Noise adaptive fuzzy switching median filter for salt and pepper noise reduction[J]. IEEE Signal Processing Letters, 2010, 17(3): 281-284.

[15] Srinivasan K S, Ebenezer D. A new fast and efficient decision-based algorithm for removal of high-density impulse noise[J]. IEEE Signal Processing Letters, 2007, 14(3): 189-192.

[16] 吕宗伟, 唐治德, 周林, 等. 一种高效快速的高密度椒盐噪声消除算法[J]. 电子学报, 2011, 39(8): 1903-1906. Lyu Zong-wei, Tang Zhi-de, Zhou Lin, et al. One efficient and fast method for the removal of high-density salt and pepper noise[J]. Acta Electronica Sinica, 2011, 39(8): 1903-1906.

[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 刘松山, 王庆年, 王伟华, 林鑫. 惯性质量对馈能悬架阻尼特性和幅频特性的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 557 -563 .
[2] 王同建, 陈晋市, 赵锋, 赵庆波, 刘昕晖, 袁华山. 全液压转向系统机液联合仿真及试验[J]. 吉林大学学报(工学版), 2013, 43(03): 607 -612 .
[3] 张春勤, 姜桂艳, 吴正言. 机动车出行者出发时间选择的影响因素[J]. 吉林大学学报(工学版), 2013, 43(03): 626 -632 .
[4] 肖锐, 邓宗才, 兰明章, 申臣良. 不掺硅粉的活性粉末混凝土配合比试验[J]. 吉林大学学报(工学版), 2013, 43(03): 671 -676 .
[5] 陈思国, 姜旭, 王健, 刘衍珩, 邓伟文, 邓钧忆. 车载自组网与通用移动通信系统混杂网络技术[J]. 吉林大学学报(工学版), 2013, 43(03): 706 -710 .
[6] 孟超, 孙知信, 刘三民. 基于云计算的病毒多执行路径[J]. 吉林大学学报(工学版), 2013, 43(03): 718 -726 .
[7] 仙树, 郑锦, 路兴, 张世鹏. 基于内容转发模型的P2P流量识别算法[J]. 吉林大学学报(工学版), 2013, 43(03): 727 -733 .
[8] 吕源治, 王世刚, 俞珏琼, 王小雨, 李雪松. 基于柱透镜光栅的虚模式下一维集成成像显示特性[J]. 吉林大学学报(工学版), 2013, 43(03): 753 -757 .
[9] 王丹, 李阳, 年桂君, 王珂. 非均质度量掩蔽函数在空域水印中的应用[J]. 吉林大学学报(工学版), 2013, 43(03): 771 -775 .
[10] 冯琳函, 钱志鸿, 尚克诚, 朱爽. 基于IEEE802.15.4标准的改进型隐藏节点冲突避免策略[J]. 吉林大学学报(工学版), 2013, 43(03): 776 -780 .