递归阈值中值滤波器与自动编码器用于盐粒噪声去除：SSIM 图像与熵图分析
图像与视频处理
2025-11-18 v1 人工智能
计算机视觉与模式识别
摘要
本文研究了使用中值滤波器 (MF) 和简单三层自动编码器 (AE) 在递归阈值算法下去除图像盐粒噪声的方法。评估去噪效果的两个指标为：用于衡量恢复图像与干净图像之间差异的标准结构相似性指数 SSIMImg，以及通过在滑动窗口中计算的 2D Sample Entropy 的熵图之间的 SSIM 的新应用指标 SSIMMap。我们表明 SSIMMap 对模糊和局部强度变化更敏感，并且补充了 SSIMImg。在低分辨率和高分辨率灰度图像上实验表明，递归阈值 MF 在强噪声 (50-60%) 下能够稳健地恢复图像，而简单 AE 仅能恢复低噪声水平 (<30%) 的图像。我们提出了两种可扩展方案：(i) 2MF，该方案使用两个不同窗口大小的 MF 以及最终阈值步骤，有效用于在低分辨率下突出显示锐利的局部细节；(ii) MFs-AE 该方案通过 AE 汇聚多个 MF 的特征，在更高分辨率下对恢复整体场景结构有益。鉴于其简单性和计算效率，MF 在资源受限平台 (边缘/IoT) 上仍然首选，而在无预处理去噪情况下，AE 表现不佳。结果还验证了 SSIMMap 在客观模糊评估和去噪参数调优方面的实际价值。
引用
@article{arxiv.2511.12212,
title = {Recursive Threshold Median Filter and Autoencoder for Salt-and-Pepper Denoising: SSIM analysis of Images and Entropy Maps},
author = {Petr Boriskov and Kirill Rudkovskii and Andrei Velichko},
journal= {arXiv preprint arXiv:2511.12212},
year = {2025}
}
备注
14 pages, 13 figures, 4 tables