基于本征图像滤波的可见光图像处理方法

在可见光图像处理领域中,为了进一步改善频域滤波法去除噪声的能力,提出了本征图像滤波法去除图像噪声的方法.以经典SVD算法为例,首先探讨了奇异值重构维数的选取方法,然后分别对高斯噪声和椒盐噪声污染的图像进行去噪,验证不同重构维数的去噪效果,最后以PSNR和SNR为参数进行评价.结果表明,重构时,过小的维数不能恢复原始图像...     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

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。     

基于图像噪声检测的平滑方法研究

针对含有椒盐噪声的图像,首先利用了TSMD阈值方法将图像二值化,有效地检测了图像的噪声,然后估算出了噪声图像的SNR,比较了与原噪声图像SNR的差异程度,得到了相应地质量评价方法,最后通过选择性中值滤波的方法去除了图像上的噪声.结果表明:相比于全局中值滤波方法,该方法能够有效地去除椒盐噪声,保留更多的图像细节,对图像的影响较小.     

基于改进加权均值滤波的医学影像图像除噪研究

针对均值滤波算法对含有椒盐噪声和高斯噪声的医学影像图像除噪不理想的问题,本文提出了改进加权均值滤波算法,该算法把滤波窗口中每个像素点的灰度值与计算得到的相应权值运算后作为其中心点的输出值,并运用该算法对含有椒盐噪声和高斯噪声的医学影像图像进行除噪研究.实验表明该算法对椒盐噪声和高斯噪声具有较强的抑制力,并且除噪后的医学...     

数字图像的混合噪声去除

针对混有高斯噪声和椒盐噪声的数字图像去噪,提出一种混合噪声滤波算法.首先判断滤波窗中心像素是否是噪声点,如果是噪声点,则取窗口内与其他像素灰度差值绝对值和最小的那个像素值作为噪声点的灰度值;否则,不改变当前像素值.通过实验分析比较,该算法能够在去除噪声的同时更大限度地保留图像的细节信息,并且由于算法在时域内进行,其运算...     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

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Matlab的图像去噪可视化系统设计

设计了基于Matlab的图像去噪可视化系统,针对常见的高斯噪声、椒盐噪声、乘性噪声,讨论和比较了均值滤波、中值滤波、自适应中值滤波、维纳滤波和小波阈值滤波等去噪方法,并利用峰值信噪比PSNR反映各种去噪方法对不同噪声干扰后图像的处理效果,为图像去噪提供了直观的分析.     

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.     

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.     

不同频率域滤波器的去噪效果比较分析

无人机图像去噪是数字图像处理过程中的重要的预处理部分,是对地观测时能否采集到清晰图像的基础,间接影响图像后期处理的准确性和结果。因此,为后续的影像处理工作提供更有利的技术保障,研究不同频率域滤波器的去噪效果具有非常重要的研究意义。实验目的是在于选取出不同噪声情况下去噪效果最佳的频率域滤波器。实验采用3种频率域滤波器对无人机影像进行高斯噪声、椒盐噪声及2种噪声混合的情况下进行去噪。实验结果表明:当图像只有高斯噪声时,高斯低通滤波器具有最佳的去噪效果;当图像只有椒盐噪声时,高斯低通滤波器具有最佳的去噪效果;在高斯噪声以及椒盐噪声混合的情况下,Butterworth低通滤波器的去噪效果最好。     

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.     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷——对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法.该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度.先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块.最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于混合中值滤波的图像去噪处理

本文结合线性滤波技术和非线性滤波技术,对受高斯噪声、泊松噪声和椒盐噪声影响的图像采用局部均值再取中值的滤波方法进行去噪处理。实验结果表明,该方法较好地实现了图像中混合噪声的滤除和图像细节的保留,显著提高了图像的清晰度、可懂度和信噪比。     

基于改进三维块匹配滤波的图像去噪算法

为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.     

一种基于快速PCA和简化PSO的带噪声人脸识别

针对传统人脸识别算法在带噪声环境下识别效率低下的问题,文中以FERET、CMU_PIE_FAC及ORL数据库的人脸图像为研究对象,提出一种基于快速PCA和简化PSO的人脸识别改进方法。通过对不同噪声环境下的人脸图像进行滤波消噪处理,并引入快速PCA算法对图像数据进行特征降维,然后利用简化PSO算法进行SVM的参数优化,构建最终的SVM分类模型,以实现人脸识别。结果表明:人脸图像受高斯或椒盐噪声污染会对识别效果产生一定的影响,利用滤波消噪处理可以从一定程度上抑制噪声干扰,与此同时,在数据降维过程中,采用快速PCA算法以计算低维度矩阵的本征值去替代高维度协方差矩阵的本征向量求解,在保证较高的图像解释程度的同时,运算速度明显加快,与传统的PCA、PSO算法结合SVM模型进行人脸识别效果相比,提出的改进算法在保证较高的人脸识别精度情况下,识别过程的计算量大大减少,具有一定的实用价值。     

基于3维轴距与非局部均值的无人机巡检图像去噪算法

无人机搭载摄像设备获得输电线路的数字图像,利用数字图像处理技术可以提高故障识别率,而图像在采集和传输过程中易受到噪声干扰,图像质量受损不利于后续输电线故障识别,因而有必要对图像进行去噪处理。以无人机巡检高压输电线图像为对象,针对航拍图像中存在椒盐噪声问题,研究了椒盐噪声的3维直方图分布特点,并且在非局部均值滤波算法的基础上改进相似性权重,提出一种结合3维轴距的非局部均值去噪方法,解决了原非局部均值算法主要针对高斯噪声以及耗时过长的问题。首先,根据椒盐噪声的特点,对含噪图像进行3维轴距预滤波处理,计算图像中每个像素点的3维轴距,依据轴距检测噪声点,并对噪声点进行中值滤波。其次,对噪声点和非噪声点设置不同的权重,噪声点不计入相似性度量中,使得像素块之间相似度判断更加准确,利用改进的权重计算函数作非局部均值去噪。实验结果表明,所提算法能够有效去除巡检图像中的椒盐噪声,尤其是背景复杂图像中有显著的去噪效果,图像细节和边缘信息保持较好。同时所提算法与原非局部均值相比,耗时低,实时性得以提高。     

一种基于双谱的图像噪声去除方法

为了消除或衰减图像上的噪声，同时尽可能地保留图像细节，提出了一种基于双谱的图像平滑去噪法。该方法根据双谱对高斯噪声不敏感(即高斯噪声的双谱为零)的特性，对一个像素点采用其梯度和最小的几个点的灰度平均值来代替其灰度值，以便对噪声进行平滑滤波的同时，最大限度地保留图像的细节信息。仿真结果表明，该方法较好地实现了这个要求。与常用的中值滤波相比，该方法处理后的PSNR可提高1dB。     

基于自适应模糊阈值小波的图像去噪

针对小渡变换多分辨分析(MRA)的特点，本提出一种多尺度分级的自适应模糊权重中值滤波的去噪方法．首先，利用开关控制策略的模糊理论建立隶属函数，用高斯自适应模型对噪声点进行预检测，然后在每一级小波变换过程中应用自适应模糊中值滤波(AFWMF)算法进行噪声滤波．实验表明，常规的小波去噪方法只能去除图像中的高斯噪声。该方法既能去除高斯噪声也能去除非高斯噪声．与中值滤波方法相比，该方法在去噪的同时能保留大量的原图像边缘、细节等重要信息，具有更好的去噪效果．