结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于方向信息自适应2次噪点检测的降噪方法

椒盐噪声的处理是图像噪声处理的重要环节,针对传统中值滤波方法存在的不足,提出1种基于方向信息自适应2次噪声点检测去椒盐噪声的方法.该方法在噪声密度不同时进行分类处理,小于某一阈值时通过方向信息区别边缘点和噪声点,降低噪声点误判的概率,在噪声密度大于某一阈值时,将所有可疑噪声点全部确定为噪声点.之后对确定的噪声点进行改进的自适应中值滤波,根据窗口中非噪声点的密度不同采用不同的滤波方法.在处理加入噪声密度为80%的Lena图时,PSNR达到28.97 d B,SSIM达到0.981 2,实验结果表明,能够去除图像中的椒盐噪声,对不同密度噪声降噪鲁棒性较强.     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

一种去除高密度椒盐噪声的非线性滤波算法

针对高密度椒盐噪声污染图像的去噪问题,提出了一种有效的非线性滤波算法。在噪声检测中利用域值划分法,先将噪声图像像素点分为信号点和准噪声点,建立噪声矩阵,然后再利用图像边缘特性及局部统计信息,进一步明确噪声点。对于噪声点,采用以该点为中心的多窗口像素点中值及该点像素值的中值进行替换。实验结果表明,该算法对较高密度椒盐噪声...     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法.采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波.实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善.     

基于改进加权均值滤波的医学影像图像除噪研究

针对均值滤波算法对含有椒盐噪声和高斯噪声的医学影像图像除噪不理想的问题,本文提出了改进加权均值滤波算法,该算法把滤波窗口中每个像素点的灰度值与计算得到的相应权值运算后作为其中心点的输出值,并运用该算法对含有椒盐噪声和高斯噪声的医学影像图像进行除噪研究.实验表明该算法对椒盐噪声和高斯噪声具有较强的抑制力,并且除噪后的医学...     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷——对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法.该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度.先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块.最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

一种针对椒盐噪声的新型迭代自适应滤波器

为了消除图像中不同浓度椒盐噪声,提出了1种能快速有效滤除椒盐噪声的新型迭代自适应滤波算法.首先,将极值点(0或者255)认定为可疑噪声.其次,通过极值点在邻域内8个方向上的差异与1个阈值比较,确定最后的噪声集,并极小化误检率和保护图像边缘细节.最后,用提出的迭代自适应滤波算法滤除噪声点.仿真结果表明,在各种噪声密度下,算法都能快速有效滤除椒盐噪声.即使在噪声密度达到90%的情况下,该算法的峰值信噪比PSNR也能达到26.43 d B,且边缘细节能得到很好的保护.     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法。采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波。实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善。     

快速二步交叉非局部的图像混合噪声滤波器

真实的自然图像常被各类图像噪声污染,而传统去噪方法普遍只针对一种噪声类型设计,因此在处理混合噪声时往往去噪效果不佳.针对这一问题,提出一种快速二步交叉非局部混合滤波算法.该滤波包括二步交叉滤波部分与整体滤波部分,在二步交叉滤波部分,首先找到像素灰度的极值点进行定位,并使用非局部中值滤波对极值点进行简单的去除椒盐噪声,求出图像的差值积分图,最后使用改进的加速非均值滤波进一步去除噪声.在整体滤波部分,使用非局部中值滤波整体去除噪声.实验结果表明,所提算法在高强度的混合噪声污染情况下,修复的图像获得了更高的测量指标和更加理想的视觉效果.     

一种基于椒盐噪声密度的滤波算法

视频传输中,每帧图像受到噪声污染程度不同,常利用单一滤波算法对其批量滤波处理.若选用计算简单的滤波算法,虽处理速度快,但在高噪声密度下滤波效果较差.选计算复杂的滤波算法,虽视觉效果较好,但滤波处理时间将会增加,不满足实际工程要求,针对该问题,提出一种基于椒盐噪声密度的滤波算法.首先对现有的滤波算法进行大量实验,结合提出的一种判别滤波算法性能优劣的综合评价公式,确定出不同噪声密度下对应性能最优的滤波算法.再估算出每幅图像噪声密度,选择对应的滤波算法对其去噪处理.实验结果表明,方法对噪声密度估计的误差在0.1%以内,并能自适应的根据噪声密度选取性能最优的滤波算法,同时算法对图像噪声分离处理后,使得未被噪声污染区域细节相比于选取出的滤波算法保护得更完整.     

基于3维轴距与非局部均值的无人机巡检图像去噪算法

无人机搭载摄像设备获得输电线路的数字图像,利用数字图像处理技术可以提高故障识别率,而图像在采集和传输过程中易受到噪声干扰,图像质量受损不利于后续输电线故障识别,因而有必要对图像进行去噪处理。以无人机巡检高压输电线图像为对象,针对航拍图像中存在椒盐噪声问题,研究了椒盐噪声的3维直方图分布特点,并且在非局部均值滤波算法的基础上改进相似性权重,提出一种结合3维轴距的非局部均值去噪方法,解决了原非局部均值算法主要针对高斯噪声以及耗时过长的问题。首先,根据椒盐噪声的特点,对含噪图像进行3维轴距预滤波处理,计算图像中每个像素点的3维轴距,依据轴距检测噪声点,并对噪声点进行中值滤波。其次,对噪声点和非噪声点设置不同的权重,噪声点不计入相似性度量中,使得像素块之间相似度判断更加准确,利用改进的权重计算函数作非局部均值去噪。实验结果表明,所提算法能够有效去除巡检图像中的椒盐噪声,尤其是背景复杂图像中有显著的去噪效果,图像细节和边缘信息保持较好。同时所提算法与原非局部均值相比,耗时低,实时性得以提高。     

基于改进PCNN模型的对称中值滤波方法

为滤除灰度图像中椒盐噪声同时保留图像细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN模型执行一次点火操作从而定位灰度图像中噪声像素点位置,然后利用提出的对称检测中值滤波算法对已定位的噪声点进行滤波而其他位置像素信息保持不变.实验仿真表明,新提出的方法对噪声密度低于60%的椒盐噪声图像较已有的滤波算法有更优异的滤波性能.该算法能有效滤除噪声而且对图像的边缘细节保留完整,实验结果证明了算法的有效性.     

一种改进的椒盐噪声非线性滤波算法

针对灰度图像的椒盐噪声滤波问题,文章提出了一种改进的非线性滤波算法。该方法利用初始标记窗口的局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点三类,而后逐次增大大标记窗口的范围,将判定结果进行多分类器融合,最终建立噪声标记矩阵;然后再根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点,并分别采用不同的方法进行滤波,从而保留更多的图像细节。实验结果表明,本文算法在去噪能力以及保留图像细节等方面都明显优于其他两种方法,尤其对于噪声重度污染图像效果更为明显。     

一种新型的图像去噪滤波器

图像滤噪时利用的先验知识越多滤波效果越好,但是一般情况下只能得到一幅被污染的图像,因而无法获得这些信息.针对这点,提出了一种去除图像中椒盐噪声的新型滤波器.该滤波器首先根据椒盐噪声的特点,对滤波窗口中的象素进行一种排除最大和最小的操作,滤除椒盐噪声点.其次,根据图像区域特性信息对滤波窗口再进行一次排除次最大和最小的操作.实验表明该滤波器在性能和速度两方面均强于现有的滤波器,特别是当噪声概率超过0.3时,这种优势尤为明显.     

模糊理论处理高密度椒盐噪声的新方法

利用模糊数学理论对图像滤波算法进行了研究.针对高密度椒盐噪声,讨论ROAD统计量检测噪声的能力, 探讨高密度椒盐噪声的处理方法, 结合椒盐噪声的性质提出了一种噪音检测的新方法, 并基于像素相似度进行去噪,采取分离出噪音点的处理思路, 得到了比较好的结果.     

高噪声率椒盐噪声污染图像滤波

针对高噪声率椒盐噪声污染的数字图像,改进了基于灰色绝对关联度的像素类型判别,可识别出离散噪声(或边缘点)、聚集噪声与非边缘点。对于离散噪声(或边缘点),采用自适应中值滤波算法进行平滑,兼顾噪声滤除和细节保存。对于聚集噪声,在去除邻域内噪声点后取剩余像素均值作为滤波结果;而对于非边缘点则直接保留。实验结果表明,滤波算法对于高噪声率椒盐噪声具有良好的滤波效果,还能较为有效地保留图像细节。     

利用图像统计特征的的自适应中值滤波算法

椒盐噪声是图像中一种常见的噪声,如何去除椒盐噪声一直是图像处理研究的热门领域。自适应中值滤波是去除椒盐噪声较好的算法,该算法认为极值点是噪声点,实际上极值点有可能是噪声点也有可能是图像细节点。本文针对极值点提出了基于局部区域均值和方差信息和细节点在某一方向上是连续的特性进行极值点两次判定的算法。