迭代的自适应最小偏差滤波算法.pdf

第 卷第期华中师范大学学报(自然科学版)V o l N o 年月J OUR NA LO FC E N T R A LCH I NANO RMA LUN I V E R S I T Y(N a t S c i)A u g 收稿日期:基金项目:国家自然科学基金项目(,);江西省科技厅重点研发计划项目(B B E L );江西省教育厅科学技术研究项目(G J J )通信联系人 E m a i l:q q c o mD O I:/j c n k i 文章编号:()迭代的自适应最小偏差滤波算法 张国明,李少义,(南昌工学院信息与人工智能学院,南昌 ;武汉工程大学材料科学与工程学院,武汉 )摘要:为了更有效地去除脉冲噪声,该文提出了一种迭代的自适应最小偏差滤波算法该方法根据脉冲噪声的灰度特征、灰度的局部偏差以及局部统计特征进行噪声检测,自适应地根据邻域像素的局部偏差大小,用与邻域像素偏差最小的像素灰度作为当前噪声像素的新灰度迭代且自适应地执行噪声去除,以适应不同噪声密度与噪声分布的局部不均匀性,并充分利用先前去噪处理的结果实验结果表明,在峰值信噪比P N S R、边缘保持指数E P I和视觉感知以及计算效率上,所提出的方法优于现有的方法,具有更好的去噪性能和细节保持能力关键词:图像滤波;脉冲噪声;噪声检测,开关中值滤波;局部偏差;局部统计特性中图分类号:T P 文献标志码:A开放科学(资源服务)标志码(O S I D):图像在拍摄、传输和处理的过程中,往往受到脉冲噪声的污染脉冲噪声也称为椒盐噪声,将图像的部分像素改为最小或最大灰度值脉冲噪声严重影响图像的分析与应用,所以去除脉冲噪声非常重要最初因为缺乏边缘和细节保持能力,均值滤波 对脉冲噪声难以取得理想的去除效果,而中值滤波因为其具有良好的去噪性能而受到关注标准中值滤波用邻域像素的中值替换每个像素的灰度,而加权中值滤波和中心加权中值滤波 用邻域像素的加权中值去除噪声但是它们对噪声像素与非噪声像素的统一处理,严重制约其去噪性能为此,部分学者提出了结合噪声检测器的开关中值滤波算法,仅对噪声像素进行处理后来,部分学者发现开关中值滤波对不同密度的噪声缺乏鲁棒 性,进 而 提 出 了 自 适 应 的 开 关 中 值 滤 波 算法 V a r g h e s e等 提出的频率域的开关中值滤波算法,用干净的频率中值对含噪的频率进行恢复,但是用区域生长法检测噪声会降低检测的准确性 S u i d等 提出了非参的开关中值滤波算法,由非参的脉冲噪声检测器和递归的像素恢复器组成文献 提出的快速自适应高性能滤波,以重叠的方式,迭代地运用标准中值滤波以及均值滤波去除噪声但是,在最后阶段用均值滤波处理图像是不可取的,因为均值滤波具有低通特性,难以保持图像的细节作为对算术均值滤波的一种改进,部分学者提出了加权均值滤波,以反比于空间距离或灰度差的方式,赋予邻域中无噪像素不同的加权系数,然后取其均值作为当前噪声像素的灰度 文献 根据灰度变化,用像素变化增益因子将邻域中的非最值灰度进行分组,用基于分布比率和像素变化率的分组加权均值作为当前噪声像素的灰度估测值C h o n g l e i b等 提出了一种改进的自适应加权均值滤波算法,根据像素的灰度是否取最小或最大值将其识别为噪声,用改进的加权均值对噪声像素进行恢复,其计算效率快于一般的中值滤波算法,但是仅根据灰度特征检测噪声,准确性并不高,特别是对黑白区域较多的图像随着模糊理论的广泛应用,部分学者将其引入到图像去噪中 文献 提出了一种基于支持向量机S VM的模糊滤波,用支持向量机分类器进行噪声检测,用基于直方图的模糊滤波器进行噪声去除 A r o r a等 提出了一种基于噪声自适应信息集的开关中值滤波算法,用源自模糊集的信息集对噪声进行检测,利用开关准则和噪声像素的有效邻域信息对噪声像素进行恢复最近,部分学者提出了以鲁棒的噪声检测与去除策略为特色的决策滤波算法基于邻域决策的脉第期张国明等:迭代的自适应最小偏差滤波算法 冲噪声去除算法 运用邻域决策方法保持无噪的黑、白色像素,用一阶邻域决策方法对噪声像素进行恢复为了更有效地保持图像的细节,文献 提出了基于决策的自适应反馈中值滤波算法,用邻域的决策分析进行噪声检测,而通过邻域分析预测局部阈值,从而确定反馈中值滤波器的自适应性质 S h a r m a等 提出了一种多层决策的迭代滤波算法,用基于噪声密度的有效决策去除噪声,其中,采用大小固定的滤波邻域以保持像素的最大相关性固定的去噪邻域大小固然能保持像素的相关性,但是其对高密度噪声的去除缺乏鲁棒性和有效性现有的脉冲噪声去除算法在一定程度上能够有效地去除噪声,但是部分算法本身存在固有的缺陷,去噪性能并不理想,部分算法复杂化去噪处理,其去噪处理未必有效为了克服现有滤波算法的不 足,进 一 步 提 升 去 噪 效 果 和 计 算 效率,本文提出了一种迭代的自适应最小偏差滤波算法(I AMD F)I AMD F 脉冲噪声的数学模型根据其灰度、分布以及密度,可以对脉冲噪声进行数学建模一个被脉冲噪声破坏的像素会取灰度范围的最小或最大值,对于位的灰度图像,其噪声像素的灰度取或 ;当脉冲噪声污染图像时,以一定的密度或概率随机而均匀地分布于图像上脉冲噪声的数学模型为f(i,j)m i n d/;m a xd/;od,()其中,f(i,j)表示含噪密度为d的噪声图像中像素(i,j)的灰度,最值m i n和m a x表示噪声像素的灰度,o表示无噪像素的灰度值得注意的是,最小值噪声的概率与最大值噪声相同,噪声像素与邻域的非噪声像素在灰度上差别较大此外,当脉冲噪声污染黑色区域时,最小值噪声将被同化而消失,同样地,当脉冲噪声污染白色区域时,最大值噪声将被同化而消失 基于局部偏差和局部统计特性的噪声检测根据脉冲噪声的模型,灰度取最小或最大值的像素很有可能是噪声但不是所有灰度取最值的像素都是噪声,特别是对于医学图像或黑白区域较多的图像因此,能够将灰度取最值的无噪像素与噪声进行区分是最重要的研究发现,对于无噪图像,其任何的像素都与其邻域像素高度相关,在灰度上具有高度相似性因此,笔者提出一种基于局部偏差和局部统计特性的噪声检测方法令f(i,j)为图像f中像素(i,j)的灰度值,N(i,j)(k)是以像素(i,j)为中心的大小为kk的邻域,Nn o n_e x(i,j)(k)为去除最值像素后的N(i,j)(k),nr表示N(i,j)(k)中灰度取r(r )的像素数另外,令R表示噪声识别矩阵,用R(i,j)将像素(i,j)识别为噪声,R(i,j)识别为无噪所提出的噪声检测方法如下)对每一像素(i,j),如果f(i,j)或f(i,j),令R(i,j)对每一R(i,j)的像素,如果f(i,j)并且nT,或者f(i,j)并且n T,令R(i,j),否者转)如果像素(i,j)满 足条件(),令R(i,j)|f(i,j)m e d i a n(Nn o n_e x(i,j)(k)|m a x|f(s,t)m e d i a n(Nn o n_e x(i,j)(k)|,(s,t)Nn o n_e x(i,j)(k)()通过实验试错法,发现T 为最优值另外,因为k太小,N(i,j)(k)缺乏统计意义,而k太大,N(i,j)(k)缺乏相关性,故取k值得注意的是,步骤)充分利用脉冲噪声的灰度特征进行噪声检测,而步骤)根据邻域像素的高度相关性,将黑色或白色区域中灰度取最值的无噪像素与噪声区分开,步骤)将灰度接近黑色或白色的区域中灰度取最值的无噪像素与噪声区分开这些步骤能够准确地将噪声识别出来,从而保持了灰度取最值的无噪像素,这对于医学图像尤其重要 基于迭代的自适应最小偏差的像素恢复对于脉冲噪声的去除,现有的中值滤波包括各种改进的中值滤波,多数用邻域的中值替换噪声像素但是,根据正态概率分布,与集合中的个体具有最高相关性的是平均值,而不是个体的排序中值但是均值滤波不适于去除脉冲噪声,因为用作替换噪声像素的邻域均值,对于当前的邻域往往是一个新的灰度作为克服均值滤波缺陷的一种方法,中值滤波用邻域像素的排序中值替换噪声像素然而,如果邻域中可用的无噪像素的个数为偶数,用作替换噪声像素的排序中值是中间两个值的均值,这 样 也 会 在 邻 域 中 引 入 一 个 新 的 灰 度,概 率为 华中师范大学学报(自然科学版)第 卷受上述分析的启发,为了避免引入新灰度的问题,并充分利用局部均值的最高相关特性,本文提出了基于迭代的自适应最小偏差的像素恢复方法,处理步骤如下令k,对图像中的每一个噪声像素(i,j),按以下情况处理)N(i,j)(k)中不存在无噪像素以及已被去噪处理的像素,不作处理)N(i,j)(k)中存在一个无噪像素或已被去噪处理的 像素,将该像 素的灰度作 为当前噪 声的灰度)N(i,j)(k)中存在两个无噪像素或已被去噪处理的像素,将其中与N(i,j)()中非最值像素的均值最接近的像素,作为当前噪声像素的灰度)N(i,j)(k)中存在三个或三个以上无噪像素或已被去噪处理的像素,将其中与它们的均值最接近的像素作为当前噪声像素的灰度令kk,对每一个未被处理的噪声像素(i,j),重复执行步骤),直到未被处理的噪声像素少于一定的数量,比如相对图像像素总数的占比小于 最后对剩余的未被处理的每一噪声像素(i,j),用其N(i,j)()的 中 值 作 为 当 前 噪 声 像 素 的灰度值得注意的是,步骤)表示如果当前邻域中只有两个可用的有效像素,以致难以决定选取哪一个,或者就像以上所提到的,它们两者的均值是不可取的,就采用一个仅包含非最值像素的大邻域步骤)表示将邻域中一个原本无噪的或经过去噪处理的像素,其灰度最接近邻域无噪像素和已去噪处理像素的均值,作为当前噪声像素的灰度另外,步骤)和)的处理以迭代和自适应的方式执行,有效利用了已经去噪处理的结果对于每一噪声像素(i,j),令Nf r e e(i,j)(k)表示N(i,j)(k)中的无噪像素以及已被去噪处理的像素,c a r d(X)表示集合X中个体的数量,基于迭代的自适应最小偏差的像素恢复方法用伪代码表示如下I n p u t:f,R,O u t p u t:fnn,ffD onn,fnfn,knF o re a c hfn(i,j)w i t hR(i,j)I f c a r d(Nf r e e(i,j)(k)N op r o c e s s i n gE l s e I f c a r d(Nf r e e(i,j)(k)fn(i,j)t h eo n l yo n ep i x e l a v a i l a b l eR(i,j)E l s e I f c a r d(Nf r e e(i,j)(k)fn(i,j)a r gm i nfn(s,t)Nf r e e(i,j)(k)|fn(s,t)m e a n(Nn o n_e x(i,j)()|R(i,j)E l s efn(i,j)a r gm i nfn(s,t)Nf r e e(i,j)(k)|fn(s,t)m e a n(Nf r e e(i,j)(k)|R(i,j)E n d F o rU n t i ls u m(fn(:)fn(:)/c a r d(fn)F o re a c hfn(i,j)w i t hR(i,j)fn(i,j)m e d i a n(N(i,j)()E n d F o rR e t u r nfn实验结果在C P U为I n t e li、内 存 为 G B、安 装 有M a t l a bR a的P C上进行实验以数据集S e t 中的图像M a n,M o n a r c h,H o u s e和P a r r o t以及医学图像数据集M i n iM i a sD a t a b a s e 为实验素材,以最新发表的文献 、中 提 出 的 方 法 作 为 参 照,根 据 峰 值 信 噪 比(P S N R)、边缘保持指数(E P I)、视觉效果与计算效率,对I AMD F的性能进行验证和评价P S NR和E P I定义为P S NR l o g mn minj(f(i,j)g(i,j),()E P Iminj(fh p(i,j)ufh p)(gh p(i,j)ugh p)minj(fh p(i,j)ufh p)minj(gh p(i,j)ugh p),()其中,m,n分别为图像的高度和宽度,f为原图像,g为去噪图像,fh p和gh p分别为f和g基于拉普拉斯滤波的高通滤波图像,ufh p和ugh p分别为fh p和gh p的均值P S NR度量两张图像的相似性,而E P I第期张国明等:迭代的自适应最小偏差滤波算法 度量边缘保持性能,P S NR和E P I值越大,其去噪性能越好 各算法去噪的P S N R和E P I各算法对含各种密度噪声的图像M a n去噪所得的P S NR和E P I值如表所示,最大值用黑体标识仔细分析表中对图像M a n的去噪结果可以看出,随着噪声密度的增大,各算法的P S NR和E P I值 一 致 走 低文 献 、和 的P S NR、E P I值较低,去噪效果不佳;文献 和 的性 能在噪声密 度较高 时 突 然 下 降文 献 、和 的P S NR和E P I值处于中等水平,除了较高的噪声密度外,它们相互之间差别不大相对地,I AMD F的P S NR和E P I值始终高于其他算法,特别地,在噪声密度较高时,I AMD F在E P I值上相对于其他算法的优势愈加显著表各算法对图像M a n去噪的P S NR和E P IT a b P S NRa n dE P Io f a l l f i l t e r so n i m a g eM a nN o i s ed e n s i t y 文献 文献 文献 P S NR/d B文献 文献 文献 I AMD F 文献 文献 文献 E P I/文献 文献 文献 I AMD F 各算法对含各种密度噪声的图像M o n a r c h的去噪结果如表所示分析比较表中的数据可以得出两个重要结论)相对于其他算法,I AMD F显示出优越的去噪结果,随着噪声密度的增大,由E P I显示的I AMD F在边缘保持方面的优势递增)文献 、和 的P S NR和E P I值较低,在去噪和边缘保持上的性能较差;对于低、中密度噪声,文献 、和 之间的性能差别不大,处于中等水平,但是对于高密度噪声,文献 的性能骤然走低以上结果的原因在于I AMD F在噪声检测和噪声去除方面具有更好的性能表各算法对图像M o n a r c h去噪的P S NR和E P IT a b P S NRa n dE P Io f a l l f i l t e r so n i m a g eM o n a r c hN o i s ed e n s i t y 文献 文献 文献 P S NR/d B文献 文献 文献 I AMD F 文献 文献 文献 E P I/文献 文献 文献 I AMD F 去噪的视觉效果根据去噪图像的视觉效果,在图像H o u s e和P a r r o t上对各算法进行性能评价对低密度噪声图像,在视觉上往往难以区分性能的优劣,因此采用高密度噪声各算法对含噪密度为 的图 像H o u s e和含噪密度为 的图像P a r r o t的去噪图像分别如图和图所示,各图像下方的两个数字为其对应的P S NR和E P I值仔细比较图中对图像H o u s e的去噪结果可以看出,与其他滤波算法相比,I AMD F能够得到更高质量的图像 I AMD F的去噪图像比其他算法更清晰、对比度更高具体地,文献 和 彻底去除了噪声,但是严重模糊了图像的边缘和细节文献 和 不能完全去除噪声,去噪图像依然可见部分噪声斑点相对于文献 、和 ,文献 和 性能良好,有效去除了噪声,但是细心观察其去噪图像的边缘和细节,发现边缘在一定程度上受到了破坏相比之下,I AMD F的去噪图像非常清晰,边缘和细节保留得相当好,与原始图像相比几乎看不出差异,只能识别边缘上的轻微模糊效果此外,相应的P S NR和E P I值再次证实了由视觉感知得出的结论 华中师范大学学报(自然科学版)第 卷图各算法对含噪密度 的图像H o u s e的去噪结果F i g R e c o v e r yr e s u l t so f a l l f i l t e r so nH o u s ec o r r u p t e dw i t h i m p u l s en o i s e仔细观察图中各算法对含噪 的图像P a r r o t的去噪图像,可以得出三个重要结论)相对于其他算法,I AMD F在其去噪图像中显示出更好的性能;即使在非常高的噪声密度下,I AMD F在彻底消除噪声和细节保持方面仍然做得相当好)在除I AMD F之外的其他算法的去噪图像中可以看到明显的模糊效果或残余噪声)相应的P S NR和E P I值与视觉感知得出的结论一致这些结果归因于I AMD F能在彻底去除噪声的同时,很好地保持图像的边缘和细节图各算法对含噪密度 的图像P a r r o t的去噪结果F i g R e c o v e r yr e s u l t so f a l l f i l t e r so nP a r r o t c o r r u p t e dw i t h i m p u l s en o i s e 在医学图像数据集上的性能比较为了研究I AMD F在医学图像中的适用性和有效性,将 各 算 法 应 用 于 医 学 图 像 数 据 集m i n im i a sd a t a b a s e,对每个算法在所有图像上获得的结果取平均值,并以图形曲线的方式显示于图医学图像往往有较多的、与脉冲噪声灰度相同的黑白区域,因此医学图像去噪异常艰难,算法的去噪性能在很大程度上取决于其噪声检测的准确性从图可以看出,各算法的去噪性能差别较大,I AMD F的 结 果 明 显 优 于 其 他 算 法根 据P S NR和E P I曲线,I AMD F在P S NR上的优越性比 在E P I上 的 优 越 性 更 为 显 著原 因 在 于I AMD F采用基于局部偏差和局部统计特性的噪声检测,能够准确地将灰度取最值的无噪像素与噪声像素区分开,从而避免在噪声去除过程中对其原始信息的破坏,这是其他算法无法做到的事实上,第期张国明等:迭代的自适应最小偏差滤波算法 I AMD F在图像去噪中取得较高的P S NR和E P I值与其对噪声检测器和噪声去除技术的改进密切相关图各算法对图像数据库M i n iM i a sD a t a b a s e去噪的P S NR和E P IF i g P S NRa n dE P Io f a l l f i l t e r so nM i n iM i a sD a t a b a s e为了从视觉效果验证I AMD F算法对医学图像的 去 噪 效 果,将 各 算 法 对 数 据 集M i n i M i a sD a t a b a s e中含噪密度为 的图像m d b 的去噪图像显示于图文献 的方法严重破坏了原图像的黑色背景,效果较差;文献 的方法去噪不彻底,图像的目标上有大片的噪声斑点;文献 的方法去噪效果虽然较理想,但破坏了部分黑色背景;文献 的方法去噪不彻底,背景有零星的白色噪声斑点;文献 和 的方法去噪效果较好,但是文献 的方法在去噪图像的背景上还留有少许白色的噪声斑点相对地,I AMD F的去噪图像较清晰,纹理和边缘细节保持得更好,特别是对黑色的背景保持得较好,因为其基于局部偏差和局部统计特性的噪声检测,能准确地区分噪声与灰度取最值的无噪像素另外,各去噪图像对应的P S NR和E P I值,基本上支持了以上结论从医学图像数据集得出的结论与从 和 节得出的结论是一致的,I AMD F是去噪脉冲噪声的一个很好的算法,性能非常好图各算法对含噪密度 的医学图像m d b 的去噪结果F i g R e c o v e r yr e s u l t so f a l l f i l t e r so nm e d i c a l i m a g em d b c o r r u p t e dw i t h i m p u l s en o i s e 计算时间表显示了各算法在医学图像数据集m i n im i a sd a t a b a s e上的平均计算时间从表可以得出三个明显的结论)除文献 之外,随着噪声 华中师范大学学报(自然科学版)第 卷密度的增大,各算法的计算时间递增,因为噪声密度的增大一般会增加去噪处理的工作量)文献 耗时最多,其次是文献 ,而文献 计算速度最快)虽然在计算效率上I AMD F没有显示出明显的优势,但其计算速度是可以接受的,其优越性在于噪声去除和边缘保持表各算法对图像数据库M i n iM i a sD a t a b a s e去噪的平均计算时间T a b A v e r a g ec o m p u t a t i o n a l t i m eo f a l l f i l t e r so nM i n iM i a sD a t a b a s esN o i s ed e n s i t y 文献 文献 文献 文献 文献 文献 I AMD F 结论为了取得理想的脉冲噪声去除效果,本文提出了迭代的自适应最小偏差滤波算法I AMD F,根据局部偏差和局部统计特性检测噪声,用基于迭代的自适应最小偏差的像素恢复方法对噪声像素进行恢复,实验结果证明I AMD F具有良好的去噪和边缘保持性能,优于部分最新提出的算法对该算法做进一步改进,用于去除脉冲噪声与高斯噪声的混合噪声,是下一步的研究工作参考文献:NA I RP,C HAUDHUR YK F a s th i g h d i m e n s i o n a l b i l a t e r a la n dn o n l o c a l m e a n sf i l t e r i n gJI E E E T r a n s a c t i o n so nI m a g eP r o c e s s i n g,():F UR QAN M,S R I AN I S,S I R E GA R YP e r b a n d i n g a na l g o r i t m ac o n t r a h a r m o n i c m e a nf i l t e rd a na r i t h m e t i c m e a nf i l t e r u n t u k m e r e d u k s i e x p o n e n t i a l n o i s eJJ o u r n a lI n f o r m a t i k aS u n a nK a l i j a g a,():RAM I R E ZJ,P A R E D E SJ R e c u r s i v em y r i a d m e a nf i l t e r sJ S i g n a lP r o c e s s i n g,(C):G ON Z A L E ZR C,WO O D SR ED i g i t a l i m a g ep r o c e s s i n gM r de d B e i j i n g:E l e c t r o n i c I n d u s t r yP r e s s,B AN D A L A HE R NAN D E Z H,R O C HA P R E ZJ,D A Z S N C HE Z A,e ta l W e i g h t e d m e d i a nf i l t e r s:a na n a l o gi m p l e m e n t a t i o nJ I n t e g r a t i o n:T h eV L S IJ o u r n a l,():R A J A L AK S HM IN,NA R AYANANK,AMUDHAVA L L IPW a v e l e t b a s e dw e i g h t e dm e d i a nf i l t e r f o r i m a g ed e n o i s i n go fMR Ib r a i ni m a g e sJ I n d o n e s i a nJ o u r n a lo fE l e c t r i c a lE n g i n e e r i n ga n dC o m p u t e rS c i e n c e,():OC ONN E L L D,THOMA S D H,D OU T H,e ta l A d a p t i v ew e i g h t e dm e d i a n f i l t e r i n g f o r r e d u c e db l u r r i n gw h e nf u s i n g c o r e g i s t e r e d f a s t h e l i c a l C T i m a g e sJ/O LB i o m e d i c a lP h y s i c sa n dE n g i n e e r i n gE x p r e s s,()h t t p s:/i o p s c i e n c e i o p o r g/a r t i c l e/a a d GU P T AV,C HAUR A S I A V,S HAN D I L YA MR a n d o m v a l u e di m p u l s en o i s er e m o v a lu s i n ga d a p t i v ed u a lt h r e s h o l dm e d i a nf i l t e rJJ o u r n a lo f V i s u a l C o mm u n i c a t i o n a n dI m a g eR e p r e s e n t a t i o n,():HU S S A I N A,HA B I B MA n e w c l u s t e rb a s e da d a p t i v ef u z z ys w i t c h i n gm e d i a nf i l t e rf o r i m p u l s en o i s er e m o v a lJM u l t i m e d i a T o o l s&A p p l i c a t i o n s,():AY YA Z H,MUHAMMA D H A n e w c l u s t e r b a s e da d a p t i v ef u z z ys w i t c h i n g m e d i a nf i l t e rf o ri m p u l s en o i s er e m o v a lJM u l t i m e d i aT o o l s&A p p l i c a t i o n s,():VA R GHE S EJ F r e q u e n c y d o m a i n b a s e ds w i t c h i n gm e d i a nf i l t e rf o rt h er e s t o r a t i o no fi m a g e sc o r r u p t e d w i t h h i g h d e n s i t yp e r i o d i cn o i s eJS c i e n t i aI r a n i c a,():S U I D M,AHMA D M A,HAN I FI,e ta l U n i v e r s a li m p u l s e n o i s e s u p p r e s s i o nu s i n ge x t e n d e de f f i c i e n tn o n p a r a m e t r i cs w i t c h i n g m e d i a nf i l t e rJ/O LMA T E CW e bo f C o n f e r e n c e s,()h t t p s:/d o i o r g/m a t e c c o n f/B A L A S U B R AMAN I AN G,C H I L AMB U C HE L VAN A,V I J AYAN S,e ta l A n e x t r e m e l yf a s ta d a p t i v e h i g h p e r f o r m a n c ef i l t e rt or e m o v es a l ta n dp e p p e rn o i s eu s i n go v e r l a p p i n gm e d i a n s i n i m a g e sJ I m a g i n gS c i e n c e J o u r n a l,():Z HAN GX,C HE N GJ,KAN GQ,e t a l I t e r a t i v e a d a p t i v ew e i g h t e d m e a nf i l t e rf o ri m a g ed e n o i s i n gJJ o u r n a lo fC o m p u t e rA p p l i c a t i o n s,():L UCT,C HE N M Y,WAN GLL,e t a l R e m o v a l o f s a l t a n d p e p p e rn o i s ef o rX r a yb i o i m a g e su s i n gp i x e l v a r i a t i o ng a i nf a c t o r sJC o m p u t e r s&E l e c t r i c a l E n g i n e e r i n g,:C HON G L E I BS,P R E E T CK,R A J E E VAK A n i m p r o v e da d a p t i v ew e i g h t e dm e a nf i l t e r i n ga p p r o a c hf o rm e t a l l o g r a p h i c i m a g ep r o c e s s i n gJ J o u r n a lo fI n t e l l i g e n tS y s t e m s,():S C HU S T E R T,S U S S N E R PA na d a p t i v ei m a g ef i l t e rb a s e do nt h ef u z z yt r a n s f o r mf o ri m p u l s en o i s er e d u c t i o nJ S o f tC o m p u t i n g,():R O Y A,S I N GHA J,D E V IS S,e ta l I m p u l s en o i s er e m o v a lu s i n gS VM c l a s s i f i c a t i o nb a s e df u z z yf i l t e rf r o mg r a ys c a l e i m a g e sJ S i g n a l P r o c e s s i n g,():A R O R A S,HANMAN D L U M,GU P T A GF i l t e r i n g第期张国明等:迭代的自适应最小偏差滤波算法 i m p u l s en o i s e i nm e d i c a l i m a g e su s i n gi n f o r m a t i o ns e t sJP a t t e r n R e c o g n i t i o n L e t t e r s,h t t p s:/d o i o r g/j p a t r e c S AMAN T A R AY A K,KANUNG O P,MOHAN T Y BN e i g h b o r h o o dd e c i s i o nb a s e di m p u l s en o i s ef i l t e rJ I E TI m a g eP r o c e s s i n g,():KAMA RU J J AMAN J,MA I T R A M,C HAK R A B O R T YS A n o v e ld e c i s i o n b a s e da d a p t i v ef e e d b a c k m e d i a nf i l t e rf o rh i g hd e n s i t yi m p u l s en o i s es u p p r e s s i o nJM u l t i m e d i aT o o l sa n dA p p l i c a t i o n s,():S HA RMAN,S OH IP,GA R GB,e t a l An o v e lm u l t i l a y e rd e c i s i o nb a s e d i t e r a t i v e f i l t e r f o r r e m o v a lo f s a l ta n dp e p p e rn o i s eJM u l t i m e d i a T o o l sa n d A p p l i c a t i o n s,():S ANNA S IC HAK R AVA R THY S R,R A J A GURU HI m p u l s en o i s e r e m o v a l i nm a mm o g r a m su s i n gb i d i m e n s i o n a le m p i r i c a l m o d ed e c o m p o s i t i o na n df a s ta d a p t i v eb i l a t e r a lf i l t e rJ I n t e r n a t i o n a lJ o u r n a lo fR e c e n tT e c h n o l o g ya n dE n g i n e e r i n g,():I t e r a t i v ea d a p t i v em i n i m u md e v i a t i o nf i l t e rZ HANGG u o m i n g,L IS h a o y i,(S c h o o l o f I n f o r m a t i o na n dA r t i f i c i a l I n t e l l i g e n c e,N a n c h a n gI n s t i t u t eo fS c i e n c ea n dT e c h n o l o g y,N a n c h a n g ,C h i n a;S c h o o l o fM a t e r i a l sS c i e n c ea n dE n g i n e e r i n g,Wu h a nU n i v e r s i t yo fT e c h n o l o g y,Wu h a n ,C h i n a)A b s t r a c t:A i m i n gf o rm o r ee f f