臺灣博碩士論文加值系統

本論文提出以比例積分控制器之概念，來設計一濾除胡椒鹽雜訊之濾波器，稱之為比例積分濾波器(PI-remover)，同時在雜訊偵測上與補償目標值是利用修改後之自適性中值濾波器為依據，而濾除雜訊方面則是結合了比例積分控制器的概念，針對雜訊點將欲補償之誤差值及累積誤差值乘上比例參數與積分參數，以達到補償的效果。由實驗結果可知，利用比例積分濾波器所重建之影像品質與效能，皆比傳統的自適性中值濾波器來得優異，並且能有效的濾除胡椒鹽脈衝雜訊達90%。

This thesis proposes a new filtering scheme _PI remover for effectively eliminating the salt-and-pepper noise of images. The PI-remover can be created straightforwardly based on the concept of Proportional-Integral (PI)controller. Similar as the design of PI-controller, the PI-remover also has the proportional parameter and integral parameter , that are used to weight the noisy pixels. The modified adaptive-median filter (AMF) is used to detect the possible noisy pixels. The noisy pixels are compensated to approach an objective value by running few iterations of the PI-remover’s compensation loop. The experimental results demonstrate that the PSNR of the restored images by using PI-remover is significantly improved as compared with that by using AMF. The PI-remover can still perform well as the noise level increase to 90%.

摘要 I
英文摘要 II
致謝 III
表目錄 VII
圖目錄 VIII
第一章 序論 1
1.1 研究動機 1
1.2 文獻回顧 2
1.2.1. 雜訊模型 2
1.2.2. 濾波器種類 4
1.3 章節概述 7
第二章 比例積分濾波器之設計 8
2.1 比例積分控制器之介紹 8
2.2 雜訊偵測 11
2.2.1. 自適性中值濾波器 11
2.2.2. 改良後自適性中值濾波器之雜訊偵測 15
2.3 比例積分濾波器之設計 19
第三章 實驗結果分析與討論 21
3.1 實驗條件 21
3.2 實驗方法與比較 24
3.2.1. 實驗一：嘗試錯誤法（trial-and-error） 24
3.2.2. 實驗二：循環補償閉迴路 32
3.2.3. 實驗三：以模糊推論來設計比例積分濾波器 37
3.3 實驗結果分析與討論 47
第四章 結論及未來研究方向 49
4.1 結論 49
4.2 未來研究方向 50
參考文獻 51
表目錄
表2-1 雜訊程度與適合的濾波視窗大小之關係[5] 16
表3-1 雜訊程度與適合的濾波視窗大小之關係[5] 24
表3-2 AMF與比例積分濾波器重建後之MSE與PSNR值 25
表3-3 AMF與PI-remover重建70%不等比例之PSNR值 30
表3-4 以循環補償閉迴路重建影像之PSNR值 33
表3-5 循環補償迴路重建不等比例雜訊影像之PSNR值 36
表3-6 模糊規則決策表 41
表3-7 模糊循環補償閉迴路之重建影像70%PSNR值 43
表3-8 模糊循環補償閉迴路重建不等比例(baboon)之PSNR值 45
表3-9 模糊循環補償閉迴路重建不等比例(Lena)之PSNR值 46
表3-10 AMF與trial-and-error濾波能力之效能 48
表3-11 循環補償閉迴路與Fuzzy PI-remover濾波能力之效能 48
圖目錄
圖2.1 比例積分控制器 9
圖2.2 33×濾波視窗 12
圖2.3 (a)原始影像(b) 50%胡椒鹽雜訊影像(c)55×中值濾波器重建 50%椒鹽雜訊之影像(d)AMF重建50%椒鹽雜訊影像。 13
圖2.4 33×濾波視窗 . 17
圖2.5 改良後自適性中值濾波器之雜訊偵測流程圖 18
圖2.6 雜訊影像補償閉迴路圖 20
圖 3.1(c) AMF重建10%之影像 (d)PI-remover重建10%之影像 (a) Lena原始影像 (b)胡椒鹽雜訊80%所破壞之影像(e)AMF重建20%之影像 (f)PI-remover重建20%之影像 26
圖3.1 (g) AMF重建30%之影像 (h) PI-remover重建30%之影像(i) AMF重建40%之影像 (j) PI-remover重建40%之影像(k) AMF重建50%之影像 (l) PI-remover重建50%之影像 27
圖3.1 (m) AMF重建60%之影像 (n) PI-remover重建60%之影像(o) AMF重建70%之影像 (p)PI-remover重建70%之影像(q) AMF重建80%之影像 (r)PI-remover重建80%之影像 28
圖 3.1 (s) AMF重建90%之影像 (t) PI-remover重建90%之影像 ..... 29
圖 3.2 雜訊影像循環補償閉迴路方塊圖 32 圖
3.3 (a) Lena原始影像 (b)第一次補償迴路之影像 (c)第二次補償 迴路之影像(d) 第三次補償迴路之影像(e) 第四次補償迴路 . 之影像(f) 第五次補償迴路之影像 34

圖3.4 模糊比例積分濾波器償閉迴路圖 38
圖3.5 輸入變數歸屬函數(error) 39
圖3.6 輸入變數歸屬函數(sigma-error) 39
圖3.7 輸出變數歸屬函數 . 40
圖3.8 33×濾波視窗 41
圖 3.9 (a) Lena原始影像(b) AMF重建Lena影像(c)Fuzzy-PI重建Lena影像(d) Baboon原始影像(e) AMF重建Baboon影像(f) Fuzzy-PI重建Baboon影像(g)Bridge原始影像(h)AMF重建Bridge影像(i) Fuzzy-PI重建Bridge影像 44

[1]A. Bovik, Handbook of Image and Video Processing. New York: Academic, 2000.
[2]Ioannis. Pitas and Anastasios. N. Venetsanopoulos, “Order statistics in digital image processing”, Proceeding of IEEE, vol. 80, no. 12, Dec. 1992, pp. 1893–1921.
[3]繆紹綱，「數位影像處理」，普林斯頓國際有限公司，2005。
[4]Raymond H. Chan, Chung-Wa Ho, and Mila Nikolova, “Salt & pepper noise removal by median-type noise detectors and detail-preserving regularization”, IEEE Transaction on Image Processing, vol. 14, no. 10, Oct. 2005, pp. 1479-1485.
[5]Thomas A. Nodes and Neal C. Gallagher, Jr., “The output distribution of medium type filters”, IEEE Transaction on Communication, vol. 4, no. 4, May 1984, pp. 532-541.
[6]Pei-Eng Ng and Kai-Kuang Ma, ”A switching median filter with boundary discriminative noise detection extremely corrupted images,” IEEE Transaction on Image Processing, vol. 15, no. 6, Jun. 2006, pp.1506-1516.
[7]Dung Dang, and Wenbin Luo, “An Efficient Method for the Removal of Impulse Noise”, 2006 IEEE International Conference on Signal Processing, 8-11 Oct. 2006, pp. 2601 - 2604.
[8]Yiqiu Dong and Shufang Xu “A new directional weighted median filter for removal of random-value impulse noise”, IEEE Transaction on Signal Process, vol. 14, no. 3, Mar. 2007, pp. 193-196.
[9]Kiam Heong Ang, Gregory Chong, and Yun Li, ”PID control system analysis, design ,and technology”, IEEE Transaction on Control Systems Technology, vol. 13, no. 4, Jul. 2005, pp. 559-576.
[10]Shahid Parvez and Zhiqiang Gao, “A wavelet-based multiresolution PID controller”, IEEE Transaction on Industrial Application, vol. 41, no. 2, Mar/Apr. 2005, pp. 537-543.
[11]沈金鐘，「PID控制器 : 理論、調整與實現」滄海書局，2001.
[12]王進德、蕭大全，「類神經網路與模糊控制理論入門」，全華科技圖書股份有限公司，2007.
[13]John Yen and Reza Langari 「Fuzzy Logic Intelligence, Control, and information」PRENTICE HALL Upper Saddle River, 1999.
[14]Farzam Farbiz, Mohammad Bager Menhaj, Seyed A. Motamedi, and Martin T. Hagan A, “ New Fuzzy Logic Filter for Image Enhancement”, IEEE Transaction on System Man, and Cybernetics—part b: Cybernetics, vol. 30, no. 1, Feb. 2000, pp.110-119.
[15]Kenny Kal Vin Toh, IEEE, Haidi Ibrahim, and Muhammad Nasiruddin Mahyuddin, “Salt-and-Pepper Noise Detection and Reduction Using Fuzzy Switching Median Filter”, IEEE Transactions on Consumer Electronics, vol. 54, no. 4, Nov. 2008, pp.1956-1961.