一种有效的去除图像混合噪声的算法

提出一种有效的去除图像混合噪声的算法.该方法包括空间域的脉冲噪声去除和小波域的高斯噪声去除两个阶段.空间域的脉冲噪声去除利用一种加权平均的同组滤波算法进行,完成图像初始滤波;小波域的高斯噪声去除则利用NeighShrink阈值化方法对小波系数进行收缩,其中,为了提高峰值信噪比和增强视觉效果,修正了NeighShrink方法中小波系数的收缩因子.最后,对所提算法进行了仿真研究,仿真结果表明所提算法能有效去除图像中的脉冲和高斯混合噪声,并较好地保存了图像细节.     

自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

基于改进的灰色关联去混合噪声滤波算法

为了滤除数字图像中同时混有的椒盐噪声和高斯噪声,提出了一种改进的基于灰色关联去混合噪声滤波算法.算法先将滤波窗内噪声点划分两个集合:一个是纯椒盐噪声点和被高斯噪声污染的类椒盐噪声点集合S,一个是被高斯噪声污染的纯高斯噪声点集合P.对滤波窗中心噪声点进行分类平滑处理,如果滤波窗中心点为第一类,用P中像素点的中值作为参考值...     

引导滤波和三维块匹配结合的红外图像去噪

针对红外图像存在噪声较大的问题,提出了一种引导滤波和三维块匹配结合的红外图像去噪方法.该方法通过将引导滤波与三维块匹配方法相结合,采用二次联合滤波的策略减轻了三维块匹配去噪方法在平滑区产生明显的“抓痕”现象.通过BM3D (block method of 3-dimension)去噪方法得到初始滤波图像;对噪声图像在低尺度进行BM3D去噪得到比较平滑的引导图像,用引导图像指导初始滤波图像进行二次滤波.仿真结果表明,提出的算法既保持了BM3D去噪算法的优秀性能,且具有更好的视觉效果和更高的峰值信噪比及结构相似度.     

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。     

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.     

非线性滤波器的边缘保持效果比较分析

对数字图像进行去噪操作是图像预处理过程中的重要组成部分。研究了在使用不同的非线性滤波器对图像进行去噪操作后对于图像边缘信息的保留效果。实验选取中值滤波、BM3D滤波器和双边滤波器3种非线性滤波器对被高斯噪声和椒盐噪声所污染的图片进行去噪操作。实验结果表明,在只有高斯噪声的情况下,3种滤波器都能收获较好的滤波效果,而在只有椒盐噪声的情况下,双边滤波的去噪效果较差。在3组实验中,BM3D在对图片进行去噪时对于边缘信息的保持最好,而中值滤波和双边滤波会损失较多的图片边缘信息,在对图片进行滤波时,BM3D消耗的时间资源较多。     

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.     

带修正因子的均值和中值滤波算法研究

大部分自然图像同时包含高斯噪声和椒盐噪声,简单地运用传统的滤波算法不能得到理想的滤波效果.为了解决混合噪声图像的滤波问题,分别针对以高斯噪声为主的混合噪声图像和以椒盐噪声为主的混合噪声图像,提出了带修正因子的均值滤波算法和带修正因子的中值滤波算法.这两种算法在修正后的阿尔法均值滤波算法的基础上做了两方面的改进:首先,提出在图像邻域内为不同灰度值的像素点给出归一化的权值,用这些权值和与其对应的灰度值共同决定滤波输出.其次,所设计的权值可以用修正因子来进行微调,来获得理想的滤波效果.实验证明,其处理效果优于传统滤波算法和修正后的阿尔法均值滤波算法.     

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。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

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.     

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。     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

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。     

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．     

一种改进的方向加权中值滤波算法

为了去除图像中的随机值噪声,提出一种改进的中值滤波算法。基于图像每个像素的截断阈值,判别其是否为噪声像素,将判别结果用于修改方向加权中值滤波算法(DWM)的滤波器权重。仿真实验结果表明,对于去除图像中密度大于40%的随机值脉冲噪声,该算法比DWM算法具有更高的峰值信噪比,去噪效果较好。     

一种基于受电弓图像的混合滤波算法

针对受电弓图像采集中的混合噪声问题,提出一种基于ABDND算法与改进均值滤波算法的混合滤波算法。将中值滤波算法与ABDND算法进行结合,对原始图像中的脉冲噪声进行抑制,针对均值滤波算法提出了一种改进方法,将该方法用于对高斯噪声的抑制,从而消除了受电弓图像中的干扰噪声,并通过均方差误差(MES)和峰值信噪比(PSRN)双重指标对滤波算法性能进行验证。结果表明:该算法能够有效滤除混合噪声,具有算法简单,优于传统滤波算法的特点。     

基于小波分解和分层FDR阈值的图像滤波算法简

针对目前常用滤波算法对图像噪声滤除效果差的问题,提出了针对图像滤波的分层FDR阈值滤波算法.该算法对图像经小波分解后最底层的低频系数和各层水平、垂直、对角3个方向的高频系数分别进行多假设检验,并确定出各层各方向上的阈值,最后分别进行阈值化处理.通过对Lena,Cameraman图像进行对比仿真实验,结果表明该算法在信噪比、峰值信噪比、均方误差等方面均优于中值滤波、通用阈值算法、FDR算法和自由分布式FDR算法,具有较好的噪声滤除效果.