基于分类和模糊滤波的X光图像椒盐噪声滤除算法

摘要

为了解决当前椒盐噪声滤除算法对X光图像滤除效果不佳且运算效率不高的问题,提出了一种融合多级分类和自适应模糊滤波的椒盐噪声滤除方法,主要包括像素点多级分类和自适应模糊滤波两个部分.在像素点多级分类阶段,先结合先验知识设计快速的一级粗分类,将像素点分为椒盐噪声、信号和可疑噪声三类.对于可疑噪声,再提取区域内的直方图分布特征,设计BP神经网络分类器进行精确分类,最终将图像中的所有像素点分为信号和椒盐噪声两类.在自适应模糊滤波阶段,针对三种模糊集合分别创建模糊隶属度函数,计算模糊隶属度值,通过模糊加权求和恢复像素点亮度.实验结果表明,该方法的像素点分类正确率高,滤波后图像的峰值信噪比高,平均滤波耗时少.