基于改进的各向异性扩散图像去噪算法研究

针对各向异性扩散图像去噪算法加以研究,根据扩散函数平滑力度强弱,结合图像梯度变化,构建局部图像梯度与扩散函数之间的关系,选取扩散函数,提出了一种改进的各向异性扩散函数模型。该模型不仅能够较大程度地解决传统PM模型滤波存在较多孤立噪声点的问题,且对于图像边缘保持也有较好的效果。实验结果表明,所提出的扩散模型性能优于LCC和Perona的各向异性扩散模型,能够达到良好的平滑保边缘目的。     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

一种基于Rank变换的改进中值滤波

针对传统中值滤波对孤立噪声点和连续噪声不能有效滤波等问题,提出了一种改进算法：首先通过Rank变换,找出图像中所有的孤立噪声点,然后遍历图像对孤立的噪声点采用中值滤波,最大限度保持图像细节,有效地解决了在抑制图像噪声和保护图像细节方面的矛盾,对图像中孤立噪声,蕞唷较好的滤波效果;随后,进一步针对少量连续噪声点的情况,采用迭代算法对上述改进中值滤波算法结果进行处理,来解决连续噪声的滤波问题．试验结果表明,本文算法滤波后的图像效果明显好于传统滤波方法,能够有效地去噪,并能较好地保持图像细节和边缘．     

核医学图片的数字图像处理

用线性滤波器处理核医学脏器图片．造成图像边缘不清楚，从而影响了诊断．本 文用一种非线性统计滤波器——中值滤波和平均滤波相结合来处理核医学脏器图像． 这种方法综合了平均滤波和中值滤波对噪声的抑制特性和保留图像边缘的特性．考虑 到图像的局部起伏．引入Ａｎｓｃｏｍｂｅ变换使图像的泊桑噪声与信号近似无关。最后 对实际的核医学脏器图片作了处理，并与线性滤波处理结果做了对比．收到了满意的 效果．     

具有细节保护特性的多级中值滤波算法

提出了一种改进的中值滤波算法。该算法对中值滤波进行了两方面的改进，一方面基于区域的统计信息，对噪声点进行分析；另一方面对多级中值滤波的方向进行自适应处理。与中值滤波相比，它具有更好的平滑噪声和边缘保持功能，而且能有效地滤除图像中的随机噪声。     

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

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。     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。     

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.     

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.     

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。     

DT-MRI张量值图像的一种加权方向距离滤波方法

为了正则化扩散张量磁共振成像所产生的扩散张量场,提出了一种非线性张量值加权方向距离滤波方法.首先通过张量间的二次点积定义了张量值图像的方向滤波,然后结合张量中值滤波引入了一个联合最小化准则,在此准则的基础上给出张量值方向距离滤波器的一般结构,并使用权重矢量在距离和方向域上控制滤波器输出,获得更加稳健的处理结果.在合成二阶张量场和真实扩散张量数据集上进行了实验.客观结果比较和滤波图像的主观评估表明:该滤波方法可在保持张量场细节不变的同时有效地消除噪声,是磁共振扩散张量场的一种有价值的滤波工具.     

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。     

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．     

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.     

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.     

一种新型的权值裁剪模糊中值滤波去噪算法

前人的基础上,提出了权值裁剪模糊中值滤波器．该文算法不仅考虑了噪声的检测,还考虑了中心像素周围也有可能存在噪声的情形,并对这些噪声点的权值进行了裁剪．实验表明,该算法比已有文献中的模糊加权均值滤波器以及标准的中值滤波在噪声消除和边缘细节保留方面都具有更好的性能。