一种新的基于脉冲噪声点检测的自适应中值滤波算法

传统的中值滤波算法在去除脉冲噪声时会造成图像细节信息的丢失,从而使图像变得模糊,提出一种新的基于脉冲噪声点检测的自适应中值滤波算法.该算法先检测出脉冲噪声点,采用自适应窗口对噪声点进行中值滤波.仿真实验表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,提高了峰值信噪比.     

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。     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

一种基于开关型加权中值滤波的随机脉冲噪声去除方法

依据图像中随机脉冲噪声像素奇异性的特点,提出了1种新的开关型加权中值滤波算法.首先通过中值滤波的方法对被检测像素邻域进行平滑处理,并定义平均绝对差值进行噪声点的判别;对检测出的噪声像素点采用改进的加权中值滤波进行处理,即仅利用滤波窗口中未受污染的像素进行噪声滤除,加权系数同时包括空间距离与灰度的差异性.实验结果表明,提出的算法既有较高的脉冲噪声检测准确率,又能较好地滤除图像中的随机脉冲噪声.     

一种改进的脉冲噪声的检测与滤除算法

依据脉冲噪声特点以及图像的像素关联性,提出了一种改进的脉冲噪声检测与处理算法。该算法首先依据脉冲噪声与其邻域多数像素在强度上具有明显差异的特点检测出疑似脉冲噪声点,然后再利用4个方向模板进一步区分疑似脉冲噪声点,最终建立脉冲噪声标记矩阵。之后,对检测到的脉冲噪声,提出了一种改进的加权中值滤波算法,该算法仅利用滤波窗口内的有效信号对窗口中心像素进行加权中值滤波,其中,加权系数的确定不仅依赖于像素间的灰度关联性,而且还依赖于像素间的位置关联性。实验结果表明,本文算法不仅可以准确检测和有效滤除图像中的脉冲噪声,而且还可以较好地保护图像中的细节。     

基于簇检测的地震数据脉冲噪声压制方法

地震记录中常伴有脉冲噪声干扰，严重影响地震数据分析的后续工作。这些噪声常表现为聚集状态，持续时间长，将其称之为脉冲噪声簇。使用中值滤波器进行脉冲噪声簇压制会大大损坏有效信号，而改进的决策中值滤波器不能有效的区分出脉冲噪声簇。因而，提出一种基于簇检测的脉冲噪声压制方法，首先使用长短时平均值比法（short-term average/long-term average, STA/LTA）对噪声进行判别和检测，然后进行同一脉冲噪声簇判别，以解决噪声的漏检问题，最后结合中值滤波器，自适应的伸缩滤波窗口对脉冲噪声簇进行滤波。合成和真实数据实例表明，相比于其他方法，本文方法可有效压制脉冲噪声簇，并使得有效信号损坏程度最小。     

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.     

改进的中值滤波算法应用于的冲噪声的滤除

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法，但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失，从而使图像变得模糊．基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息．本文在此基础上提出了一种改进的基于噪声点检测的脉冲噪声滤波算法，该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据．而在滤除噪声时，采用的是迭代的中值滤波算法．从实验结果中可以看到。与其它中值滤波算法相比。本文的算法在去除脉冲噪声时能取得理想的去噪效果．     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

基于阈值法的带钢表面缺陷图像脉冲噪声去除

在板带钢表面缺陷图像脉冲噪声去除的研究中,结合脉冲噪声的特点以及带钢表面缺陷图像的特点,提出了一种基于阈值的开关中值滤波方法.该方法通过设定阈值判断滤波窗口中心像素点是否为噪声点,并对噪声点进行中值滤波.通过大量的仿真实验证明该方法简单可行,在噪声去除和保护细节方面都取得了明显优于传统滤波方法的效果,而且在噪声污染不太大的情况下具有普遍适用性,有一定的工程应用价值,且研究过程也体现了对图像进行考察的重要性.     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

图像去噪的混合滤波方法

针对视频图像在同时受到高斯噪声和脉冲噪声污染时,严重影响图像的存储、 编解码、 传输、 目标识别与跟踪的问题, 提出一种图像去噪的混合滤波方法。该方法通过基于个数判断脉冲噪声的方法, 将脉冲噪声从混合噪声中分离, 并利用中值滤波将其过滤; 再利用分块平均边缘检测的方法提取图像的边缘; 利用自适应均值滤波方法滤除非边缘的高斯噪声, 并将边缘图像嵌入滤除高斯噪声的图像中。实验结果表明, 该方法不但能有效去除图像中的高斯噪声和脉冲噪声, 而且能保持图像的边缘信息, 从而提高图像的去噪效果和清晰度。     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.