基于模拟退火的自适应图像滤波算法.pdf

万方数据

基于模拟退火的自适应图像滤波算法文章编号：1674—6236(2011)10—0132埘P(并(O)吨’)={，型2丑￡蛐!s枷e1模拟退火算法f1，若以茗’)吼髫(O))第19卷第10期电子设计工程2011年5月邓平1，方志祥2，熊盛武2(1．武汉理工大学计算机学院。湖北武汉430070；2．武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430070)摘要：模拟退火是一种在邻域范围搜索最优解的优化算法，能够以较大的概率收敛到最优解，可运用于图像去噪。提出一种基于模拟退火的自适应图像滤波算法。可以自适应的对图像内部和图像边缘进行分类处理。以一定的概率接受偏离中值的像素。再结合加权平均得出图像结果像素值。实验结果表明该算法在滤除图像噪声的同时，可以较好的保存原始图像信息。具有较高的信噪比。关键词：模拟退火；滤波；噪声；中值；信噪比中图分类号：TP391NoiseadaptivefilterbasedSAofInformationSensing，Wuhanprobability，finallyAnnealing(SA)；filter；noise；median；signal-to-noise在图像处理中。图像噪声可以理解为妨碍人的视觉感知，或妨碍系统传感器对所接受图像源信息进行理解或分析的各种因素。也可以理解成真实信号与理想信号之间存在的偏差。一般来说，噪声是不可预测的随机信号．通常采用慨率统计的方法对其进行分析。噪声对图像处理十分重要。它影响图像处理的各个环节，特别在图像的输入、采集中的噪声抑制是十分关键的问题。图像去除噪声有很多种滤波方法。传统的可分为以局部平均法为代表的线性滤波和以中值算法为代表的非线性滤波，中值滤波适用于椒盐型噪声．均值滤波适用于高斯型噪声。邻域平均法是一种在局部空间域求值的算法，在降低噪声的同时，使图像产生了模糊，特别是在处理图像边缘和细节的时候。中值滤波法在一定程度可以克服线性滤波所带来的图像细节模糊，但是对一些点、线、突变等细节图像会带来图像信息的丢失。本文提出的图像去噪算法是基于模拟退火算法。可以在指定领域内。以一定的概率接受偏离中值的点，这样既有非线性滤波的优点，同时又可以克服中值滤波对图像信息的丢失问题，实验表明该算法能够较好的提高图像的信噪比。收稿日期：201稿件编号：201基金项目：国家自然科学基金(40971233，40701153)模拟退火算法是一种快速收敛的概率演算法1-1。用来在一个搜索空间内寻找命题的最优解。“模拟退火”的原理也和金属退火的原理近似：将搜寻空间内每一点想象成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点．也像空气分子一样带有“能量”。以表示该点对命题的合适程度。算法先以搜寻空间内一个任意点作起始：每一部先选择一个“邻居”。然后再计算从现有位置到达“邻居”的概率。面对寻找最优值的优化问题。将物理学中模拟退火的思想应用与优化问题得到模拟退火寻优方法。优化函数为f：茗—慢+，其中髫ES。它表示优化问题的一个可行解，R'=IyR，y>O}，S表示函数的定义域。N(x)c_s表示的一个领域集合。首先给定一个初始温度死和该优化问题的一个初始解菇(0)，并由茗(O)生成下一个解髫’EN(x(O))，是否接受茗’作为一个新解茹(1)依赖于下面概率：(1)。其他作者简介：邓平(1984一)，男，四川宜宾人，硕士研究生。研究方向：图像处理与网络安全算法。V01．19NO．10ElectronicDesignEngineeringMav201l文献标识码：A(1．SchoolEngineering讥Surveying，Mapping430070。China)Abstract：SimulatedAnnealing(SA)isthe-132-onDENGPin91，FANGZhi-xiang。2。XIONGSheng·wu2ComputerScience，WuhanUniversityTechnology。Wuhan430070。China；2StateKeyLaboratoryandRemoteUniversity，Wuhangenericprobabilisticmeta-algorithmforglobaloptimizationproblem，namelylocatinggoodapproximationoptimumgivenfunctioninlargeprobability，whichbeappliedprocessnoise．SoputtingforwardmethodnamednoiseadaptivelySimulatedAnnealing，itboarderinnerimage，acceptvaluewhichisfarfrommedian