基于模糊滤波器的椒盐噪声图像滤除

为滤除数字图像中的椒盐噪声,在图像灰度空间上引入模糊划分和像素点灰度值检测噪声,进而利用滤波窗口内非噪声点灰度值描述中心点的灰度水平.依据改进重心去模糊法设计一种模糊滤波器,模拟实验表明该滤波器可以有效地滤除图像中的椒盐噪声.     

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。     

图像脉冲噪声的模糊滤波算法研究

论述了基于模糊规则的脉冲噪声滤波器，该滤波器由模糊脉冲噪声检测器、噪声消除器与模糊结合器构成，模糊脉冲噪声检测器用窗口内的中值与邻近供像素信息来脉冲噪声，而脉冲消除器用最小最大算法计算噪声像素的估计值，与传统的脉冲噪声滤波器相比，所设计的新滤波器具有良好的脉冲噪声抑制与图像细节边缘保护的性能。     

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.     

基于余弦代价函数的双模盲均衡算法

盲均衡算法不需要训练序列，就能够有效降低码间串扰（ISI），但是在脉冲噪声环境下，现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差，算法收敛后ISI仍然较高。针对上述问题，提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用，其中一个作为快速滤波器以保证收敛速率，另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声，将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中，并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明：当噪声设置为25 dB的高斯白噪声时，新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF，星座图也较为清晰；当噪声环境为28 dB的α稳定分布噪声时，新算法利用分数低阶统计量以抑制脉冲噪声，能够得到较低的ISI和清晰的星座图，而凸组合结构兼顾了稳态误差与收敛速率，在进一步降低稳态误差的同时确保了较快的收敛速率。     

一种基于区域信息的图像高斯噪声滤除方法

提出了一种滤除加性脉冲噪声的模糊加权平均滤波器，其加权系数是一个携带了原图像信息的隶属度函数，同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．新的滤波器优点是简单快速，和neuro-fuzzy滤波器相比又无需训练学习时间．实验表明该方法滤波效果优于传统的滤波器和其他模糊滤波器．     

消除彩色图像脉冲噪声的复合型中值滤波器

提出一种新的消除彩色图像中脉冲噪声的滤波法．该滤波法依据简单的局部纹理分析而自动选择使用标量中值滤波或使用矢量中值滤波：当局部区域不存在明显的纹理时，使用标量滤波，否则使用矢量滤波．由于大多数自然图像都有低通特性，因而该滤波器大多数时间运作于标量模式．实验表明，中提出的方法其计算量比标准的矢量中值滤波器少得多，但性能却同样优良．     

一种简易的图象去噪方法

设计了一种简易实现的自适应中值滤波器滤除图象噪声,根据对噪声图象噪声点的检测,自适应地调整了中值滤波器窗的大小,有效地抑制严重的脉冲器声干扰。     

稳定平台伺服系统测量信号抗干扰方法研究

针对一种稳定平台伺服系统中的角位置和角速率测量信号受到干扰后,导致误计数脉冲产生和噪声串入的原因进行分析;在角位置调理电路系统中的CPLD模块内设计一种三级D触发器串联的逻辑电路结构,对误计数脉冲信号进行滤除,并对逻辑电路的功能时序进行仿真验证;利用窗函数法设计一种FIR数字滤波器,对包含特定频率噪声的角速率信号进行滤波处理,通过定性和定量分析验证了滤波器对测量信号噪声的消除和对原始信号测量精度的提高.     

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.     

MIMO PLC系统中脉冲噪声消除方法

电力线通信(power line communication, PLC)中,脉冲噪声严重影响通信的可靠性,如何有效消除脉冲噪声对系统的影响是目前电力线通信急需解决的问题。提出一种在多输入多输出(multiple-input multiple-output, MIMO)PLC系统中脉冲噪声消除方法,在时域通过设置最优阈值对高幅度脉冲噪声进行置零。在频域通过迭代法结合空频分组码(space frequency block code, SFBC)消除低幅度脉冲噪声,该步骤是先进行硬判决检测,利用空频分组码空间和频域的分集增益,检测出可靠性更高的符号;用频域的接收信号减去重构的经过信道的信号来重构出剩余的脉冲噪声;在时域减去剩余的脉冲噪声,1次迭代过程完成。经过1次迭代后已经消除部分脉冲噪声,多次迭代则系统性能将明显提升。仿真结果表明,该算法相比传统的脉冲噪声消除算法性能提升了1.46 dB,使脉冲噪声对系统性能的影响明显减小。     

基于小波变换模极大值的脉冲噪声去除方法

根据小波系数模极大值的特性,提出了去除脉冲噪声的一种新方法.由于脉冲噪声往往造成信号的突变,所以经小波变换后其小波系数易成为模局部极大值.由突变点的模极大值随着小波分解尺度的增大而减小的性质,可采取去除具有此种性质的模极大值的方法去除脉冲噪声.此方法也能很好的去除白噪声,因为白噪声与脉冲噪声的模极大值具有相同的特点.     

一种脉冲噪声模糊检测和滤波算法

脉冲噪声滤波一直是图像处理研究热点。提出一种适合各种脉冲噪声,基于模糊检测和滤波新算法。这种非线性滤波算法由脉冲噪声检测和脉冲噪声滤波两部分组成,能够很好的保留原图像的轮廓清晰度。基于梯度模糊度的观点,我们构造了一个用隶属函数描述的脉冲噪声模糊集。将隶属函数用于滤波,实质是对邻像素的模糊度加权平均。实验结果显示:无论图像中含脉冲噪声多少,该算法都能快速、高效检测去除脉冲噪声算法。     

一种基于小波包变换和中值滤波的球团矿图像去噪方法

在球团矿粒度在线检测系统中，球团图像采集过程的干扰噪声主要是脉冲噪声和白噪声。中值滤波对脉冲噪声有较好的滤波效果，对于白噪声降噪效果较差；小波包技术可以很好的消除白噪声，但对脉冲噪声滤波效果不理想。提出了一种将小波包变换和中值滤波相结合的球团矿图像去噪方法。实验表明，这种综合方法具有良好的消噪效果，满足球团矿图像后续更高层次处理的要求。     

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。     

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Bayer图像的插值与去噪方法

为了改善彩色图像还原效果,降低硬件设计复杂性,分析了彩色插值对脉冲噪声的影响,以及彩色插值与去噪先后顺序对图像质量造成的影响,提出一种基于5×5窗口的先去噪后插值的彩色图像还原方法。采用阈值检测噪点的中值滤波算法去除Bayer图像的脉冲噪声,后采用基于梯度的插值算法完成彩色插值。仿真结果表明,该方法还原的图像性能指标优于传统方法,可以有效去除脉冲噪声,同时较好的保留图像细节,且算法复杂度不高,实时性好,易于硬件实现。