滤波器去噪原理和基本方法范例(3篇)

滤波器去噪原理和基本方法范文篇1

关键字：地震资料，去噪，处理

中图分类号：P315文献标识码：A文章编号：1672-3791（2015）05（c）-0000-00

地震资料去噪是地震资料数据处理的首要任务，去噪的效果直接影响了地震资料处理的精确度，间接的影响了地震资料解释的准确度。地震资料去噪的整个过程就是根据不同的噪音形成机制、特性，选择不同的高保真度的去噪方法，提高地震资料的信噪比和分辨率，即压制干扰波，突出有效波，使得地震反射波同相轴能够更好的真实的反映地下反射界面的特征，方便地震资料解释人员更好的解释地下构造，描述油藏圈闭。

地震噪音是由于地表和地下复杂的地质条件，以及地震野外激发、接收、检波器组合、外部环境噪音等因素引起而存在于野外地震记录中，强噪音会覆盖我们所需要的有效信息，弱噪音会隐藏于地震记录中，这些噪音都会或多或少的影响地震资料的信噪比，为寻找油气圈闭带来不必要的麻烦。为了更好的去除这些噪音，我们可以选择室外去噪和室内去噪。室外一般是选择合适的激发、接收、组合等方式压制一些有规则的干扰波。室内去噪则是根据有效信号与噪音的各种特征差异，选择设计去除噪音、提高信噪比的方法。不同的地方具有不同的方法原理、物理意义和适用条件[1]。所以，分析噪音在地震记录上的特征，选择合适的去噪方法是地震资料去噪的关键。

1地震噪音的类型和特点

地震噪音亦称干扰波，根据噪音的形成机制可以将噪音分为规则干扰波和无规则干扰（随机干扰）波两大类。

规则干扰波是指具有一定主频和一定视速度的干扰波，例如面波、折射波。折射波是同相轴为直线的波，具有一定的频率和视速度，一般采用f―k域滤波法去除。面波是地震勘探中最常见的干扰波，在地震记录中成“扫帚状”发散，即发生频散；频率低，一般为几Hz到30Hz；速度低，一般为100-1000m/s，以200-500m/s最为常见。现在压制面波的方法有很多，最为常见的还是频率域滤波压制面波。

无规则干扰波是指没有固定的频率，也没有固定的传播方向的波。他们在记录上形成杂乱无章的干扰背景。无规则干扰波主要分为地面微震、低频和高频干扰。地面微震主要是由于风吹草动、海浪、水流、人畜走动、机器开动等外因素随机产生。低频和高频干扰主要由于在沼泽、流沙、泥潭、坚硬岩石等介质中激发地震波产生。这些无规则干扰在室外可以人为压制，在室内可根据噪音特性采用与之相对应的去噪方法压制。

2两种常用的去噪方法

根据噪音特性，可大致的将干扰波与有效波之间的差异总结为一下几点：（1）频率差异；（2）时间差异；（3）传播方向上的差异，即视速度的差异；（4）空间分布区域差异或外形差异；（5）振幅差异；（6）动校正后的剩余时差差异；（7）区域统计差异。

根据以上差异性质，便可有针对性的选择或设计合适的去噪方法，最大程度的提高地震资料的信噪比和分辨率[5]。

2.1频率域滤波

地震记录中常常都会存在几组视速度不同的，且速度和频率都很低的，能量很强的，成发散状的干扰面波。在干扰面波区域内，有效信号几乎被它的强能量所掩盖，衰减面波的能量，可以极大的改善有效信号与干扰信号的能量比关系[5]。通常我们都会选择频率域滤波法去除面波，利用面波低频的特性，可以设计一个合适的高通滤波窗口，压制低频面波。

如图2-1，是某区单炮地震记录利用频率高通滤波器压制面波的对比图，滤波器参数8―12.5―40―50。从图中可以看出，在合适的高通滤波参数下，面波的能量明显得到了压制，地震资料的信噪比得到了提高。

图2-1（a）频率域滤波压制面波前

图2-1（b）频率域滤波压制面波后

2.2f―k域滤波

f―k域滤波即频率―波数域滤波，实际上是一个二维滤波器，它在简单的一维傅里叶频率域滤波的基础上增加了一个波数域。设二维信号，则频率―波数域滤波方程可写为：

其中是待滤波的二维信号的频率―波数谱，是滤波器的频率―波数响应，是滤波后的二维信号的频率―波数谱[4]。根据上式可以将频率―波数域滤波基本步骤总结如下：

图2-2f-k滤波流程

如图2-3是某工区单炮地震记录利用f―k滤波去除折射波前后对比图。折射波具有一定的频率和视速度，根据这一特性，可以设计一个理想二维滤波器，使有效信号从通放带通过，干扰信号在压制带得到去除。

图2-3（a）f-k滤波压制折射波前

图2-3（b）f-k滤波压制折射波后

3结论

（1）地震资料去噪是地震资料处理过程中非常重要的一个环节，也是地震资料处理人员一直研究的课题，良好的地震资料去噪方法可以提高地震资料的信噪比和分辨率，为地震解释人员提供优越的基础条件，便于他们更好的解释油藏构造，寻找油气圈闭。

（2）根据地震噪音与有效波的特征差异，可以有针对性的选择合适的地震资料去噪方法和去噪参数，最大程度的压制干扰噪音，提高地震资料的信噪比和分辨率。

（3）频率域滤波和f―k域滤波是地震资料处理人员最常用的去噪方法。实践证明，频率域滤波在压制面波的过程中，取得了良好的效果。f―k域滤波在傅里叶变换的基础上增加了一个波数域，可以更好压制具有一定主频和视速度的折射波等线性干扰波。

参考文献

[1]张军华，吕宁，田连玉等.地震资料去噪方法技术综合评述[J].地球物理学进展.2006.21（2）：546-553.

[2]张军华.地震资料去噪方法：原理、算法、编程及应用[M].东营：中国石油大学出版社.2011.

[3]陆基孟，王永刚.地震勘探原理[M].山东：中国石油大学出版社，2009.

滤波器去噪原理和基本方法范文

关键词:自适应中值滤波;×字形窗口;Matlab语言;数字图像处理

中图分类号:TP391文献标识码:A

文章编号:1004-373X(2010)10-0090-03

AlgorithmofAdaptiveMedianFilteringBasedon×-shapedWindow

WANGYan-xia1,ZHANGYou-hui1,KANGZhen-ke1,ZHANGJin-dong2

(1.CollegeofMathematicsandInformationScience,HebeiNormalUniversity,Shijiazhuang050016,China;

2.InstituteofCommunicationsEngineering,PLAUniv.ofSci.&Tech.,Nanjing210007,China)

Abstract:Sincethetraditionalmedianfilteringmethodsmaylosesomeimagedetailswhileremovingimpulsenoiseandcannotmeetthedemandofreal-timeimagepreprocessing,thecommonmedianfilteringmethodintheMatlabtoolboxismodifiedandaself-adaptivemedianfilteringalgorithmbasedon×-shapedwindowsisproposed.Thismethodhasthefollowingcharacteristics:theadaptivefilteringwindowsizeisadaptivelyadjustedaccordingtothenumberofnoisepointsinthe3×3X-shapedwindow,X-shapedwindowisachievedaccordingtothesymmetryofthematrixandthebasiclogicoperations.Thesimulationresultsshowthatcomparedwiththesquare-shapedwindows,thismethodcanmaintaintheimagedetailswhileremovingthesaltandpeppernoiseandimpulsenoiseing,andcanreducetherunningtimeeffectively.

Keywords:adaptivemedianfiltering;×-shapedwindow;Matlablanguage;digitalimageprocessing

0引言

由于种种原因,图像在生成、传输、变换等过程中往往会受到各种噪声的污染,从而导致图像质量退化。噪声信号的滤波是图像处理的基本任务之一,主要有线性滤波和非线性滤波两种方法。线性滤波方法一般具有低通特性,而图像的边缘信息对应于高频信号,因此线性滤波方法往往导致图像边缘模糊,不能取得很好的复原效果[1]。中值滤波是一种使边缘模糊较轻的非线性滤波方法,是由Tukey发明的一种非线性信号处理技术,早期用于一维信号处理,后来很快被用到二维数字的图像平滑中。该算法不仅能够去除或减少随机噪声和脉冲噪声干扰,而且能够很大程度地保留图像的边缘信息,近年来在图像平滑和数据分析与处理等多个领域中得到广泛应用[2]。尽管如此,由于它对窗口和数据点的高度依赖,使其在处理空间密度较大的冲激噪声时,处理效果和效率受到了限制[3]。文献[4]提出一种自适应中值滤波算法,通过扩大窗口来相对减少冲激噪声空间密度,但它是基于方形窗口的,当窗口尺寸增大时,计算量将按平方增大,因此在速度方面还不够理想。在数字图像处理中,作为一种典型的非线性滤波方法,中值滤波应用得非常广泛,因而对提高其算法效率是非常有意义的[5]。本文对Matlab工具箱中的中值滤波算法进行改进,提出一种基于×字形滤波窗口的自适应中值滤波算法,在有效去除噪声的同时,较好地保持了图像细节,缩短了运行时间。

1中值滤波的基本原理及传统算法

信号中值(medians)是按信号值大小顺序排列的中间值。长为n的一维信号{Xn,n∈N}的中值用下式表示:

Yn=Med{X1,X2,…Xn;n∈N}(1)

相对二维图像信号{Xij:i,j∈N},二维中值滤波器定义为:

Yij=Med{Xij}=Med{Xi+r,j+s:r,s∈A}(2)

式(1)、式(2)中:N表示自然数集;A为截取图像数据的窗口尺寸;r为窗口水平尺寸;s为窗口垂直尺寸;Xij为被处理图像平面上的一个像素点,坐标为(i,j);Yij是以Xij为中心,窗口W所套中范围内像素点灰度的中值,即中值处理的输出值。窗口A可以采用不同的形式,通常有线段窗、方形窗、圆形窗、十字窗和圆环窗等。文献[6]对中值滤波的多种形态及其发展有详细的介绍。

中值滤波就是选择一定形式的窗口,使其在图像的各点上移动,用窗内像素灰度值的中值代替窗中心点处的像素灰度值[7]。它对于消除孤立点和线段的干扰十分有用,能减弱或消除傅里叶空间的高频分量,但也影响低频分量。高频分量往往是图像中区域边缘灰度值急剧变化的部分,该滤波可将这些分量消除,从而使图像得到平滑的效果。对于一些细节较多的复杂图像,还可以多次使用不同的中值滤波。传统中值滤波算法的具体实现过程如下[8]:

(1)选择一个(2n+1)×(2n+1)的窗口(通常为3×3或5×5),并用该窗口沿图像数据进行行或列方向的移位滑动;

(2)每次移动后,对窗内的诸像素灰度值进行排序;

(3)用排序所得中值替代窗口中心位置的原始像素灰度值。

图1是传统中值滤波算法的框图。其中,M,N分别表示滤波图像的行数和列数。

图1中值滤波程序流程图

2自适应中值滤波的基本原理及改进算法

中值滤波是当前应用最广泛的滤波方法之一,然而,中值滤波的去噪效果和处理速度依赖于滤波窗口的大小及参与中值计算的像素点数目[9]。当脉冲噪声概率小于0.2时,中值滤波是很有效的方法,当脉冲噪声概率超过0.2时,则使用自适应中值滤波方法[3]。

×字形窗口的自适应中值滤波算法是对中值滤波的一种改进。相对于中值滤波而言,它能够处理空间密度更大的冲激噪声,并且在平滑非冲激噪声时,还可保存更多的图像细节;效率方面也较一般的自适应中值滤波有所改善。常见窗口及本文提出窗口如图2所示。

图2常见窗口

基本原理如下[3]:

首先,采用3×3的×字形窗口进行计算,计算图像的中值滤波值Zmed、最大值滤波值Zmax和最小值滤波值Zmin,并判断噪声敏感度,即:如果Zmed不在Zmax和Zmin之间就自动增加×字形窗口的大小,然后重复以上的过程;对于Zmed在Zmax和Zmin之间的点先用原像素值与最大滤波值和最小滤波值进行判断,如果在其间,原值不做修改,反之就用Zmed取代原值。这一过程有如下的作用:

(1)使得未受脉冲噪声污染的点不用修改,很好地保护了图像的点、线等细节及边界信息;

(2)当检测到的噪声很强时,自动增大窗口,提高了去噪能力;

(3)当检测到的噪声不是很强时,就不用增加窗口的大小,既体现出自适应性,又减少了时间开销,提高了速度。

其中,×字形窗口的实现方法如下:

(1)先得到一个对角矩阵A;

(2)将对角矩阵A从左向右翻转,得到一个矩阵B;

(3)将矩阵A与矩阵B取或运算,得到×字形矩阵C。

3基于×字形窗口自适应中值滤波算法的Matlab实现

中值滤波是数字图像处理中一个很重要的部分,Matlab工具箱中有该函数,用到中值滤波算法时可直接调用。因此,用Matlab编程具有简单、方便、快捷等优点。另外,还可以对其内部函数进行改进。本文的算法就是通过另外编程修改中值滤波有关的内部函数实现的。

下面就是自适应中值滤波算法的实现流程,添加新的库函数adpmedianXzi对图像处理工具箱进行扩展,以实现数字图像自适应中值滤波(部分伪代码)。

functionf=adpmedianXzi(g,Smax)

%首先进行×字形窗口的极小值滤波和极大值滤波

zmin=ordfilt2(g,1,eye(k)|fliplr(eye(k)),′symmetric′);

zmax=ordfilt2(g,2*k-1,eye(k)|fliplr(eye(k)),′symmetric′);

%然后进行中值滤波

zmed=medfilt2(g,[k,k],′symmetric′);

%判断Zmed是否为一脉冲

processUsingLeveB=(zmed>zmin)&(zmax>zmed)&~alreadyProcessed;

%判断Zxy是否为一脉冲

zB=(g>zmin)&(zmax>g);

outputZxy=processUsingLeveB&zB;

outputZmed=processUsingLeveB&~zB;

%若Zmed为一脉冲,输出一个不变的像素值Zxy来代替邻域中值作为输出

f(outputZxy)=g(outputZxy);

%若Zmed不是一脉冲,输出中值滤波的值作为输出

f(outputZmed)=zmed(outputZmed);

4实验结果及其分析

在实验中,选择了大小为256×256像素、灰度为256级的Lena图像。实验环境为IBMR52,Matlab7.0软件。实验结果如图3、图4所示。

图3原始图像、噪声图像和滤波后图像

图4方形窗口与×形窗口运行效率对比

图3(b)显示了被“椒盐”噪声污染了的图像,该噪声的概率为Pa=Pb=0.25。这里噪声水平非常高,能够模糊图像的大部分细节。作为比较的基础,图像首先用7×7的中值滤波器进行滤波,消除大部分可见的脉冲噪声痕迹(见图3(b))。虽然噪声被有效消除了,但是滤波器在图像上也引起了明显的细节损失。图3(d)显示了使用Smax=7的方形窗口自适应中值滤波器的效果,噪声消除水平同中值滤波器相似。┩3(e)为基于×型窗口的自适应中值滤波效果。自适应滤波器保持了点的尖锐性和细节。可见,改进是很明显的,而且通过对比方形窗口与×字形窗口发现,×字形窗口的运行效率也提高了不少。

5结语

通过对Matlab图像处理工具箱中算法的改进,实现了一种快速自适应中值滤波算法。在对图像滤波前,首先判断是否为脉冲,然后采取变化×字形窗口大小来对噪声进行滤波,这样既有效消除了噪声,也很好地保持了图像细节。实验结果表明,基于×字形的滤波方法比一般自适应中值滤波效率有了一定程度的提高。算法原理简单、稳定、实用。若进一步研究,可针对不同噪声采取更加智能的处理措施,如CWMF&ANFIS(自适应模糊神经中值滤波系统)[10],用以达到更好的处理效果。

参考文献

[1]董付国,原达,王金鹏.中值滤波快速算法的进一步思考[J].计算机工程与应用,2007,43(26):48-64.

[2]郭炜.多级非线性加权平均中值滤波改进算法[J].现代电子技术,2006,29(19):159-161.

[3]ABDULLAHT,INANG.Impulsenoisereductioninmedicalimageswiththeuseofswitchmodefuzzyadaptivemedianfilter[J].DigitalSignalProcessing,2007,17:711-723.

[4]袁西霞,岳建华,赵贤任.Matlab在中值滤波改进算法中的应用[J].广东工业大学学报,2007,24(1):33-35.

[5]曹治华,宋斌恒.多种形状窗口下的中值滤波算法[J].计算机应用研究,2006,23(3):86-88.

[6]刘丽梅,孙玉荣,李丽.中值滤波技术发展研究[J].云南师范大学学报,2004,24(1):23-27.

[7]隋雪莉,梅园.基于中值滤波的指纹增强算法[J].现代电子技术,2009,32(10):107-109.

[8]张明艳,吴莉,谢玉鹏.一种图像快速中值滤波算法[J].吉林省教育学院学报,2007,23(1):91-92.

滤波器去噪原理和基本方法范文

关键词：非线性滤波噪声图像

中图分类号：11P391.4l文献标识码：A文章编号：1007-9416（2016）06-0000-00

1引言

随着计算机和网络技术的发展，图像已经成为信息表达的一种重要方式，图像作为一种载体，是信息的最直观的表示。图像在获取以及传输的过程中，由于采样系统质量差或传输信道的影响，会受到各种噪声的干扰，使图像质量下降。为了消除或尽量降低噪声的影响，改善图像质量，需要对图像做滤波处理。常用的方法有空域法和频域法，其中，空间域的非线性滤波器可以在保护图像边缘的同时抑制噪声，滤波效果较好。典型的非线性滤波器为基于排序的顺序统计滤波器，滤波器的输出由滤波器包围的图像区域中像素点灰度值的排序结果决定。常用的顺序统计滤波器有中值滤波器、最大值滤波器、最小值滤波器和中点滤波器[1]。

2中值滤波

中值滤波是一种非线性处理方法，由Turky在1971年提出[2]，基本原理是把数字图像的一个窗口内所有像素点的灰度值进行排序，取排序结果的中间值作为窗口中心点处像素的灰度值[3]。

其中表示中心在点的一个窗口，表示图像中窗口内点处像素的原始灰度值，表示经中值滤波后点新的灰度值。

通常内像素个数选为奇数，以保证有一个中间值，而若内像素数选为偶数时，则取中间两个值的平均值作为中值。滤波窗口可以根据需要选取，可以是方形，也可以是十字形或近似圆形，本文实验结果选择方形滤波窗口。

椒盐噪声是一种位置随机、呈现散粒外观的噪声，通常以孤立点的形式出现，对应的像素数很少，可采用中值滤波法来滤除椒盐噪声。图1给出了中值滤波的实验结果。其中（a）图为原始Peppers图像，（b）图为受到椒盐噪声污染的图像（噪声强度为0.3），（c）图为采用3×3的窗口中值滤波后的图像，（d）图为采用5×5的窗口中值滤波后的图像。由实验结果可以看出，中值滤波对于椒盐噪声有很好的滤除作用，同时还能保持目标物的边缘。

6结语

本文介绍了常用的几种典型的非线性滤波器，每种滤波器都有不同的特性，在实际应用中，需根据噪声的类型，选择合适的滤波器做降噪处理。若图像中同时含有多种噪声，可把不同的滤波方法相结合，以改善图像质量，提高使用价值。

参考文献

[1]秦志远，吴冰，王艳，山海涛.图像平滑算法比较研究及改进策略[J].测绘学院学报，2005.2，P103-106.

[2]蔺鹏.数字图像噪声处理典型方法的分析[J].兰州工业高等专科学校学报，2004.2，P23-26.

[3]王兴建，秦国锋，赵慧丽.基于多级去噪模型的路面裂缝检测方法[J].计算机应用，2010.6，P1606-1609，1612.