一种新的混合噪音滤波器加速算法

混合噪音滤波器MNF是目前滤波效果最好的算法之一,然而,由于它采用非局部算法思想,所以存在较大的计算负担,针对该不足,提出一种基于均值和方差相似性的加速算法(FMNF).该算法之关键思想是对邻域像素预分类,把两像素的均值比和方差比均在给定阈值范围内(接近于1)的邻域像素分为一类,视为相似像素,相似的像素参与滤波计算,不...     

基于局部统计特性的滤波算法

提出一种基于局部统计特性的新的滤波算法,可用于去除图像中混合噪音(高斯噪音和一致脉冲噪音),称之为线性局部混合噪音滤波器(简记为LLMF).该滤波器有机地结合了局部滤波算法和线性滤波算法,它采用局部邻域偏差判断像素的相似性,从而提高了对高斯成分的去噪能力.对纯高斯、纯脉冲以及它们的混合噪音都有较好的去噪效果.从实验结果可见,使用LLMF滤波器,图像的视觉效果、峰值信噪比、均方误差均优于同类混合滤波器.     

非局部混合噪音滤波器MNF的一种快速算法

对非局部混合噪音滤波器MNF提出一种快速算法(Fast-MNF).该算法是对目前滤波效果较好的混合噪音滤波器MNF的一种改进,它对邻近窗口像素按其均值、梯度和方差的相似程度进行预分类,把均值比、梯度比和方差比均在给定阈值范围内的像素分为一类,让其参与滤波运算,否则被忽略,以此提高滤波速度.实验结果表明,Fast-MNF算法的滤波效果优于MNF,且运算速度提高20%以上.     

一种去除高斯噪音的新方法

提出一种新的去除高斯噪音的方法（NLTF）。该算法利用梯度能很好地反映图像结构信息的特点,把梯度引入双边滤波算法中,又结合非局部均值的思想,而提出一种改进算法。它在保护图像边界和细节方面比双边滤波算法有明显优势;在去除高斯噪音上比非局部均值平滑的更好。仿真实验证明,使用NLTF去噪,在视觉效果和PSNR等方面均超过已知的许多经典算法。