臺灣博碩士論文加值系統

雙向濾波器對受到嚴重雜訊污染的影像進行濾波時，若參數設定較小，雜訊便無法去除乾淨；若參數設定較大，在去除雜訊的同時邊緣部分亦會受到影響變得模糊。因此在本論文中，我們提出透過影像內容分析這種適應性的方式，將影像中邊緣部分和背景分開來做不同程度的雙向濾波，以改善影像經濾波後所呈現的視覺效果。我們首先透過邊緣偵測方式偵測出影像邊緣，而後透過二值化將影像的背景和邊緣部分區分為黑白兩色，使邊緣資訊更明確。由於人眼對背景部分的雜訊感知較邊緣敏感，背景部份我們設定較大的參數做雙向濾波，對邊緣細節部份則使用較小的參數做雙向濾波。透過此方法，便能對邊緣和背景部分的雜訊分別做不同的處理。實驗結果證明，在影像中雜訊較為嚴重的情況下，透過本文提出的方式對影像做濾波，所呈現的視覺效果較經雙向濾波後為佳。

When bilateral filter smoothes images with highly corrupted noise by using small-scale parameters, a large amount of noise cannot be removed. Conversely, if large-scale parameters are used, the edges in images will become blurred. In this thesis, we propose a new adaptive filtering method based on content analysis. The method partitions images into background and edge, and then uses bilateral filter to smooth images with different scales to improve visual results. We first detect the edges in an image, and then convert the grayscale image to binary image by binarization processing. Since human is more sensitive to noise than the edges, the background is smoothed with large-scale parameter and the edges are smoothed with small-scale parameter. In this way, noises in edges and background can be eliminated separately. Experimental results show that our method smoothes images while preserving edges even the image was highly corrupted by noise, and achieves better results than that of the bilateral filter.

目 錄
摘要………………………………I
ABSTRACT………………………………II
致謝………………………………III
目 錄………………………………IV
圖 目 錄………………………………VI
表 目 錄………………………………IX
第一章 緒論………………………………1
1.1 問題描述………………………………1
1.2 研究動機………………………………2
1.3 論文架構………………………………4
第二章 相關研究回顧 ………………………………5
2.1 雙向濾波………………………………7
2.1.1 空間高斯濾波………………………………7
2.1.2 雙向濾波………………………………10
2.2 雙層雙向濾波………………………………15
2.2.1 中值濾波………………………………15
2.2.2 雙層雙向濾波………………………………16
第三章 適應性雙向濾波………………………………21
3.1 濾波方法分析………………………………21
3.2 適應性雙向濾波………………………………24
3.2.1 前處理………………………………26
3.2.2 邊緣擷取………………………………27
3.2.3 二值化………………………………28
3.2.4 對邊緣和背景做不同程度的雙向濾波………………………………33
3.2.5 雙向濾波遮罩及參數設置………………………………35
第四章 實驗結果………………………………46
4.1 濾波品質評價方式………………………………47
4.2 測試影像………………………………48
4.3 簡單影像之實驗結果比較………………………………50
4.4 中度影像之實驗結果比較………………………………57
4.5 複雜影像之實驗結果比較………………………………64
4.6 實驗結果評估………………………………71
第五章 結論與未來研究………………………………72
參考文獻………………………………74

圖 目 錄
圖 1 雜訊影像………………………………1
圖 2 影像高低頻示意圖………………………………2
圖 3 雜訊影像經不同濾波器濾波比較圖………………………………3
圖 4 雙向濾波示意圖………………………………4
圖 5 3X3鄰域及中心像素關係示意圖………………………………7
圖 6 一維空間高斯示意圖………………………………8
圖 7 空間高斯濾波設定不同距離參數σS測試示意圖………………………………9
圖 8 雙向濾波σI固定時不同距離參數σS測試示意圖………………………………10
圖 9 σS固定時不同亮度參數σI測試示意圖………………………………12
圖 10 雙向濾波權重關係示意圖………………………………12
圖 11 雙向濾波運算示意圖………………………………13
圖 12 灰階影像經雙向濾波及空間高斯濾波比較圖………………………………14
圖 13 彩色影像經雙向濾波及空間高斯濾波比較圖………………………………14
圖 14 中值濾波示意圖………………………………15
圖 15 雙層雙向濾波測試比較結果………………………………18
圖 16 雙層雙向濾波測試比較結果………………………………19
圖 17 雙向濾波測試比較結果………………………………22
圖 18 雜訊影像高頻示意圖………………………………23
圖 19 整體流程架構圖………………………………25
圖 20 影像經雙向濾波示意圖………………………………26
圖 21 影像經邊緣偵測示意圖………………………………27
圖 22 影像經二值化示意圖………………………………28
圖 23 門檻值測試比較圖………………………………30
圖 24 門檻值測試比較圖………………………………31
圖 25 門檻值測試比較圖………………………………32
圖 26 影像經適應性雙向濾波示意圖………………………………33
圖 27 影像雙向濾波及適應性雙向濾波示意圖………………………………34
圖 28 參數皆為σS=0.3時遮罩大小不同的權重示意圖………………………………36
圖 29 參數皆為σS=0.6時遮罩大小不同的權重示意圖………………………………36
圖 30 σS及遮罩範圍示意圖………………………………37
圖 31 μ固定為0時σ不同的高斯分佈示意圖………………………………39
圖 32 σ固定為1時μ不同的高斯分佈示意圖………………………………39
圖 33 高斯分佈曲線………………………………41
圖 34 空間高斯濾波設定不同距離參數σS的測試示意圖………………………………44
圖 35 亮度差高斯濾波設定不同亮度參數σI測試示意圖………………………………45
圖 36 簡單影像示意圖………………………………48
圖 37 中度影像示意圖………………………………49
圖 38 複雜影像示意圖………………………………49
圖 39 簡單影像Airplane之實驗結果比較………………………………51
圖 40 簡單影像Bird之實驗結果比較………………………………52
圖 41 簡單影像Statue之實驗結果比較………………………………53
圖 42 簡單影像Airplane局部實驗結果比較………………………………54
圖 43 簡單影像Bird局部實驗結果比較………………………………55
圖 44 簡單影像Statue局部實驗結果比較………………………………56
圖 45 中度影像Child之實驗結果比較………………………………58
圖 46 中度影像Building之實驗結果比較………………………………59
圖 47 中度影像Truck之實驗結果比較………………………………60
圖 48 中度影像Child局部實驗結果比較………………………………61
圖 49 中度影像Building局部實驗結果比較………………………………62
圖 50 中度影像Truck局部實驗結果比較………………………………62
圖 51 複雜影像Tree之實驗結果比較………………………………65
圖 52 複雜影像Boat之實驗結果比較………………………………66
圖 53 複雜影像Town之實驗結果比較………………………………67
圖 54 複雜影像Tree局部實驗結果比較………………………………68
圖 55 複雜影像Boat局部實驗結果比較………………………………69
圖 56 複雜影像Town局部實驗結果比較………………………………69

表 目 錄
表 1 不同參數設定的遮罩大小對應示意圖………………………………42
表 2 簡單影像PSNR值(單位:dB)………………………………56
表 3 中度影像PSNR值(單位:dB)………………………………63
表 4 複雜影像PSNR值(單位:dB)………………………………70

[1]C. Tomasi and R. Manduchi, “Bilateral Filtering for Gray and Color Images,” IEEE International Conf. on Computer Vision, pp. 839-846, 1998.
[2]G. Vijaya and V. Vasudevan, “A Novel Noise Reduction Method Using Double Bilateral Filtering,” European Journal of Scientific Research, vol. 46, no. 3, pp.331-338, 2010.
[3]J. L. Wu, “An Automatic Enhancement Method for High Contrast Images via Bilateral Filtering,” Journal of Science and Engineering Technology, vol. 3, no. 3, pp. 81-87, 2007.
[4]W. S. Yang, C. H. Kung, and C. M. Kung, “Image Enhancement Using the Multi-scale Filter: Application of the Bilateral Filtering Scheme and PSO Algorithm,” Advances in Mathematical and Computational Methods, vol. 2, no. 4, pp. 54-59, 2012.
[5]F. Shi and J. Yang, “Multi-scale Vesselness based Bilateral Filter for Blood Vessel Enhancement,” Electronics Letters, vol. 45, no. 23, 2009.
[6]J. W. Han, J. H. Kim, S. H. Cheon, J. O. Kim, and S. J. Ko, “A Novel Image Interpolation Method Using the Bilateral Filter,” IEEE Transactions on Consumer Electronics, vol. 56, no. 1, 2010.
[7]M. Elad, “Retinex by Two Bilateral Filter,” Scale-Space Theories in Computer Vision-Scale-Space, pp. 217-229, 2005.
[8]D. Yang and Y. Tang, “Illumination Compensation for Face Image Using Retinex Method Based on Bilateral Filter,” Third International Conf. on Intelligent Networks and Intelligent Systems, pp. 92-95, 2010.
[9]S. K. Park, B. S. Kim, E. Y. Chung, and K. H. Lee, “A New Illumination Estimation Method Based on Local Gradient for Retinex,” IEEE International Symposium on Industrial Electronics, pp. 569-574, 2009.
[10]M. Zhang and B. K. Gunturk, “Multi-resolution Bilateral Filtering for Image Denoising,” IEEE Transactions on Image Processing, vol. 17, no. 12, 2008.
[11]H. Phelippeau, H. Talbot, M. Akil, and S. Bara, “Shot Noise Adaptive Bilateral Filter,” International Conf. on Signal Processing, pp. 864-867, 2008.
[12]M. Elad, “On the Origin of the Bilateral Filter and Ways to Improve It,” IEEE Transactions on Image Processing, vol. 11, no. 10, 2002.
[13]H. Dai and X. Gu, “A New Method Based on Bilateral Filtering for Illumination Invariant Face Recognition,” Third International Conf. on Information and Computing, vol. 4, pp. 242-245, 2010.
[14]H. H. Chang and W. C. Chu, “Double Bilateral Filtering for Image Noise Removal,” World Congress on Computer Science and Information Engineering, vol. 6, pp. 451-455, 2009.
[15]A. H. Sable and K. C. Jondhale, “Modified Double Bilateral Filter for Sharpness Enhancement and Noise Removal,” Advances in Computer Engineering, pp. 295-297, 2010.
[16]S. Paris and F. Durand, “A Fast Approximation of the Bilateral Filter Using a Signal Processing Approach,” International Journal of Computer Vision, vol. 81, pp. 24-52, 2009.
[17]C. H. Lin, J. S. Tsai, and C. T. Chiu, “Switching Bilateral Filter with a Texture/Noise Detector for Universal Noise Removal,” IEEE Transactions on image processing, vol. 19, no. 9, pp. 2307-2320, 2010.
[18]D. Gang and S. T. Acton, “On the Convergence of Bilateral Filter for Edge-Preserving Image Smoothing,” IEEE Signal Processing Letters, vol. 14, no. 9, pp. 617-620, 2007.
[19]M. Zhang and B. Gunturk, “A New Denoising Method Based on the Bilateral Filter,” IEEE International Conf. on Speech and Signal Processing, pp. 929-932, 2008.
[20]M. M. Bronstein, “Lazy Sliding Window Implementation of the Bilateral Filter on Parallel Architectures,” IEEE Transactions on image processing, vol. 20, no. 6, pp. 1751-1756, 2011.
[21]H. Kishan and C. S. Seelamantula, “Sure-fast Bilateral Filters,” IEEE International Conf. on Speech and Signal Processing, pp. 1129-1132, 2012.
[22]W. C. K. Wong, A. C. S. Chung, and S. C. H. Yu, “Trilateral Filtering for Biomedical Images,” IEEE International Symposium on Biomedical imaging, vol. 1, pp. 820-823, 2004.
[23]A. McAndrew，數位影像處理，徐曉珮(譯)，劉震昌(審)，高立圖書有限公司，2005。