一种新的基于脉冲噪声点检测的自适应中值滤波算法

传统的中值滤波算法在去除脉冲噪声时会造成图像细节信息的丢失,从而使图像变得模糊,提出一种新的基于脉冲噪声点检测的自适应中值滤波算法.该算法先检测出脉冲噪声点,采用自适应窗口对噪声点进行中值滤波.仿真实验表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,提高了峰值信噪比.     

一种改进的随机脉冲噪声去除方法

引入灰度变化率的概念,并据此提出了一种去除随机脉冲噪声的改进算法,将其用于噪声点的检测,简化了最大-最小值方法中的噪声检测过程.本文方法保留了最大-最小值方法去除随机脉冲噪声的优点,且检测算法简单,去噪快速有效.     

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。     

一种消除脉冲噪声的迭代自适应中值滤波方法

基于脉冲噪声的特点提出了一种新的滤波方法——迭代自适应中值滤波方法(Iterative Adaptive Median Filter,IAMF)。本方法根据被脉冲噪声污染的图像的特征,建立相应的权重函数,并结合迭代算法进行噪声消除,处理后的图像不但能够较好地保留细节信息,而且能够保持良好的清晰度。此外,在IAMF滤波过程中,由于噪声点不参与计算,从而有效避免了图像中噪声点对正常像素的影响,同时也提高了运算速度。试验结果进一步证明:当噪声率超过0.5时,该方法的优越性尤为突出,噪声率超过0.9时,图像处理效果仍比较理想。     

快速随机值脉冲噪声的估计检测和滤波方法

提出了一种快速、准确的随机值脉冲噪声水平的自动估计方法,并且对当前效果最好的基于对比度增强的滤波算法(CEF)进行了简化,使得噪声点检测的计算量大大减少.实验结果表明:该算法能够很好地自动估计噪声水平,同时简化了CEF算法,大大降低了CEF检测噪声点的计算复杂度,而且滤波效果仍能够达到甚至有时超过了CEF算法.     

一种开关中值滤波器的改进

Shuqun Zhang和Monhammad A Karim提出了一种开关中值滤波器算法,其机制是利用4个不同方向的一维拉普拉斯算子来检测像素点是否为噪声.通过判断极值点、修正参数r和对阈值T的自适应处理,提出了一种基于极值的自适应阈值开关中值滤波器.实验结果表明,滤波器算法对椒盐噪声能很好地抑制,能很好地保护图像细节.     

一种改进的脉冲噪声的检测与滤除算法

依据脉冲噪声特点以及图像的像素关联性,提出了一种改进的脉冲噪声检测与处理算法。该算法首先依据脉冲噪声与其邻域多数像素在强度上具有明显差异的特点检测出疑似脉冲噪声点,然后再利用4个方向模板进一步区分疑似脉冲噪声点,最终建立脉冲噪声标记矩阵。之后,对检测到的脉冲噪声,提出了一种改进的加权中值滤波算法,该算法仅利用滤波窗口内的有效信号对窗口中心像素进行加权中值滤波,其中,加权系数的确定不仅依赖于像素间的灰度关联性,而且还依赖于像素间的位置关联性。实验结果表明,本文算法不仅可以准确检测和有效滤除图像中的脉冲噪声,而且还可以较好地保护图像中的细节。     

一种有效的脉冲噪声滤波算法

提出了一种新的图象脉冲噪声消除算法,该方法可以快速有效地去除图象中的脉冲噪声,并保留图象的细节。该算法主要通过利用象素点邻域的中值与最大、最小值信息,决定噪声象素的取值。对本算法与中值滤波算法进行了分析仿真,结果表明,本算法去除噪声与保留细节的效果好,对高强度的脉冲噪声也有比较好的滤波效果。     

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。     

TV-MCP：一种新的脉冲噪音图像恢复方法

对于被脉冲噪音污染的图像恢复问题,广泛使用的TVL1模型会偏离数据获取模型和先验模型,特别是对高水平噪音.针对这个问题,基于MCP函数,提出了一种新的图像恢复模型,称之为TV-MCP模型,并给出了该模型的近似逼近方法,从理论上证明了该算法的全局收敛到TV-MCP模型的稳定点.对于近似逼近子问题的求解,采用交替方向方法求解.通过对多组图像在不同噪音污染水平下的数值仿真实验,验证了本文所提出的模型和方法的有效性.实验结果显示,TV-MCP模型比TVL1模型能够取得更好的恢复效果,尤其是在高噪音污染的图像恢复问题上,TV-MCP恢复图像的SNR值最高可以达到TVL1恢复图像的SNR值的两倍.     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

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。     

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。     

一种面向静态图像消噪处理的二维中值滤波方法

提出了一种基于二维中值滤波用于静态图像消噪的改进算法.实验表明,该算法能有效滤除图像中的高斯噪声和斑点噪声,同时能很好地保持图像中的细节部分且比较容易用硬件实现.     

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．     

基于序列图像的高密度脉冲噪声去除新方法

针对受脉冲噪声污染大(大于50%)的图像,提出运用多幅序列图像的点对点噪声检测算法.首先利用MMEM算法判断噪声点与非噪声点,再把非噪声点拷贝到输出图像,通过实验得出了噪声密度与所需要图像幅数之间的关系.通过噪声密度判别公式的引入,实现对噪声图像的自适应处理,实验显示该方法优于传统滤波算法.     

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.