自适应型中心加权的中值滤波器

针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值.从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明.新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.     

一种新的脉冲噪声图像恢复方法

为消除图像中的脉冲噪声, 提出一种窗口自适应开关中值滤波方法. 利用BP神经网络将图像中的每个像素点分类为信号点或噪声点, 再采用改进的中值滤波器对检测后的图像进行滤波处理. 根据噪声检测结果, 滤波器自适应调整窗口大小并选择性取样, 逐点滤波消除图像中的噪声. 该方法在抑制脉冲噪声、 保护图像细节方面均优于以往基于中值滤波的法, 即使在图像遭受70%噪声污染的极端情况下, 仍能得 到很好恢复.     

基于改进PCNN模型的椒盐噪声级化滤波方法

为有效滤除椒盐噪声同时保留图像的灰度细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN简化模型进行一次点火过程,定位灰度图像中被噪声污染和未被噪声污染的像素点,然后采用提出的级化中值滤波算法对已定位的噪声点进行滤波而保持其他像素点不变.仿真实验表明,提出的方法对不同强度的椒盐噪声图像均有较好的滤波性能.比较已有的滤波算法,该算法能在高噪声强度时有效滤除噪声并同时很好地保留图像的边缘细节,实验结果证明了算法的有效性.     

改进的多级加权滤波算法在细胞图像滤波中的应用

随着图像技术的发展,图像处理在医学领域应用越来越广泛.图像分割是进行正确分类和识别的基础,是图像处理领域中的关键问题.在图像预处理中,针对图像采集过程中产生的噪声问题,结合多种中值滤波算法,得出一种改进的多级加权滤波算法.通过仿真结果表明,该算法的滤波效果明显高于其他中值滤波算法.     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

一种抑制高斯噪声的加权滤波算法

提出了一种加权的滤波算法,以3×3滤波窗口为中心,先将滤波窗口划分左上、右上、左下、右下四个2×2大小的子窗口,求出这些窗口的中值像素点,然后求出每个中值像素点与它们的均值差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值.最后将这些中值与它们对应的权值进行加权运算,结果作为中心点的滤波输出.仿真实验结果证明,本文算法对高斯噪声具有较强的去噪能力,较好地保护了图像的边缘等细节,滤波性能高于传统中值滤波算法和传统均值滤波算法.     

一种改进的中值滤波算法及其应用

为有效解决传统中值滤波算法在保护图像细节方面存在的缺陷,提出了一种改进的中值滤波算法.该算法对滤波窗口中像素进行了分块处理,再对处理的数值取中值.通过对图像边缘像素进行横向和纵向扩展,改善了图像的边缘信息.将该算法应用到医学图像中,并将实验结果与其他算法进行了比较,证明了本文算法的有效性,在去除噪声的同时,更好地保护了图像的细节.     

一种基于邻域信息的椒盐噪声滤波算法

中值滤波是最早提出的一种有效抑制椒盐噪声的滤波算法，但其最大的缺点是模糊了细节部分．提出了一种改进的中值滤波算法，根据待测点与相邻像素点之间灰度值的相似性来区分噪声点与图像点，对噪声点应用中值滤波，而对图像点保留其灰度值不变，该算法在有效抑制椒盐噪声的同时能很好地保护细节．     

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.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

一种改进的图像中值滤波算法

为了满足图像预处理的实时性要求,提出一种基于前一帧图像的改进的中值滤波算法.充分利用相邻窗口间的相关信息,通过移出一列(或一行)像素并移入另一列(或一行)像素,而其余已排序像素保持不变,仅对新移入的像素进行排序的方法,完成中值滤波处理,达到滤波要求.实验证明该算法可以有效地降低图像预处理的复杂度,使传统中值滤波算法的复杂度由原来的O(D2)降到了O(D),应用效果良好.     

一种适合于图像细节保留的椒盐噪声滤波器

提出一种新的椒盐噪声滤除方法.通过对图像二值化,对其进行统计分析确定噪声点.仅改变噪声点的像素值,避免了中道滤波对图像细节的破坏,同时又滤除了噪声.实验结果表明,新方法可以有效去除椒盐噪声,同时很好地保护图像的细节.     

基于SVM分类与回归的图像去噪方法

提出一种基于SVM分类与回归技术的图像去噪方法,即:去噪过程先利用SVM分类器将含噪图像中的像素分为噪声或非噪声点;接着,非噪声点像素值被保留,而噪声点像素值则通过SVM进行回归估计,从而达到去噪的目的.针对椒盐和高斯噪声在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0和LS_SVM 工具箱分别建立4邻域、8邻域和24邻域3种分类和回归模型.去噪实验证明,与已有的算法比较,该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

目标检测中的快速中值滤波法

在简要描述条带式CCD(Charge Coupled Device)弹道相机测试系统中的计算机软件处理子系统的基础上,针对在图像处理过程中,中值滤波排序工作量多、速度慢、非实时性的缺点,提出了一种快速中值滤波法.其主要特点是充分利用相邻两个中值滤波窗口内信号数据的相关性,通过移出和移入一列像素,而保留其左边界和上边界窗口内的排序信息;仅对新移入的像素进行排序的方法,完成中值滤波处理.使传统算法的复杂度由O(D4)下降到O(D2),大大提高了运算速度.将此方法应用到测试系统中,取得了很好的效果,实现了系统实时性要求.     

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。     

Enhancing the quality metric of protein microarray image

The novel method of improving the quality metric of protein microarray image presented in this paper reduces impulse noise by using an adaptive median filter that employs the switching scheme based on local statistics characters; and achieves the impulse detection by using the difference between the standard deviation of the pixels within the filter window and the current pixel of concern. It also uses a top-hat filter to correct the background variation. In order to decrease time consumption, the top-hat filter core is cross structure. The experimental results showed that, for a protein microarray image contaminated by impulse noise and with slow background variation, the new method can significantly increase the signal-to-noise ratio, correct the trends in the background, and enhance the flatness of the background, the consistency of the signal intensity.     

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.     

空域中基于低对比度图像增强方法

针对低对比度偏暗并带有噪声的图像,结合人眼的视觉感知特性,提出了一种图像增强的新方法。首先在空域进行中值滤波去噪处理,然后对图像进行分块,对背景的亮度进行粗略估计,并用插值算法平滑数据,最后校正图像的不均匀性并将像素值调整到整个灰度级实现图像的增强。实验结果表明,该方法在去除噪声同时并使图像的整体对比度得到明显的改善,又能突出图像中目标的细节部分信息,有效增强了图像的视觉效果。     

象棋机器人视觉识别算法研究

完成了象棋机器人的视觉识别算法研究,并进行了实验。对棋盘图像预处理,包括对棋盘图像颜色模型的研究、将彩色图像转换成灰度图像、利用均值滤波和中值滤波等方法对棋盘图像滤波、将灰度图像二值化等。利用图像分割算法进行了棋盘图像边缘提取等操作;利用改进的Hough变换对棋子的圆形和圆心进行定位,从而获得棋盘上的棋子位置,为棋子识别打下基础。针对象棋棋子图像特点提出了统计径向棋子像素的识别方法,首先利用数学形态学方法对棋盘图像进行细化处理,然后统计每个棋子的像素个数,从而实现棋子识别。实验结果表明,该方法能得到较好的识别率,而且对于任意角度的棋子像素值均具有保持不变的特点。该方法比较适合象棋机器人视觉系统。