基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

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。     

基于中值滤波和Contourlet变换的图像去噪研究

针对图像中同时含有脉冲噪声和高斯噪声的情况,提出了一种中值滤波和Contourlet变换相结合的图像去噪方法,首先用中值滤波检测出脉冲噪声的噪声点并加以处理,然后用Contourlet变换对高斯噪声进行处理.实验结果表明,此方法不仅能有效地滤除脉冲和高斯的混合噪声,提高去噪后图像的PSNR值,而且可以很好地保留图像的细...     

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.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

混合高斯噪声下的医学荧光染色图像去噪

中值滤波是比较常见的去噪方法,但如何选择最优滤波窗口则是决定图像去噪效果的关键性因素,尤其是针对无法获知无噪声的真实图像的医学图像,通过估计平滑后的误差来选择滤波窗口变得更加困难。本文通过Pilot估计针对医学荧光染色图像中的混合高斯噪声进行了估计,再通过广义SURE方法计算不同窗口下的估计误差,从而得到中值滤波的最优窗口大小,使得图像在尽可能保留纹理信息的情况下最大可能的去除了图像噪声。     

多邻域中值滤波算法在医学图像中的应用

目的:克服现有的滤波算法在噪声检测与噪声滤除上的缺陷,进一步提高去噪性能.方法:提出了多邻域中值滤波算法,对噪声检测和噪声滤除的方法分别进行改进.算法用邻域中的灰度极值进行噪声检测,对检测出来的可疑噪声,用邻域的中值作进一步的噪声检测.对噪声像素,在其邻近的9个邻域中分别求出信号像素的中值,然后用所有中值的中值作为噪声像素新的灰度.结果:基于医学图像的实验结果证明,相对于现有的算法,所提出的算法的去噪图像更加清晰,去噪结果的PSNR和SSIM值更高.结论:所提出的算法在彻底去除噪声的同时,很好地保持了图像的纹理边缘和细节,相对于现有的滤波算法,具有更好的去噪性能.     

一种改进的夜间数字监控图像的去噪算法

本文针对夜间数字监控图像存在大量噪声的情况,比较了各种常见的去噪算法,在综合考虑了图像去噪平滑效果、图像的清晰程度及图像去噪时间复杂度的基础上,提出了形态学方法和中值滤波方法相结合的图像去噪算法。通过图像去噪前后效果对比验证了该算法的可行性。     

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。