基于粗糙集理论的图像中值滤波

介绍了粗糙集理论的概念，利用粗糙集理论进行了图像中像素值的分类，提出了一种基于粗糙集理论的图像中值滤波算法，进行了仿真试验，并和传统的图像中值滤波结果进行了视觉上的比较和峰值信噪比指标的比较。实验结果和峰值信噪比指标表明，该算法能有效地滤除图像中的随机脉冲噪声和椒盐噪声，还能使图像保持很好的清晰度。     

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。     

一种改进的自适应图像中值滤波方法

针对标准中值滤波方法存在的不足,提出了一种改进的自适应中值滤波方法。该方法用求得的均值自适应代替原噪声图像的灰度值。实验结果表明,与标准中值滤波方法相比,该方法在滤除噪声的同时,保留了图像细节且有较好的信噪比,尤其对含噪声密度高的图像的处理效果优势更为明显。     

一种改进的B超图像自适应加权中值滤波

将Speckle噪声的统计特性及超声图像的对数压缩变换应用于加权中值滤波，对权系数的选择进行了改进．使得能够保留更多的细节内容，而对Speckle噪声的去除能力并没有降低．实验证明所提出的方法具有良好的效果．     

改进的多级加权滤波算法在细胞图像滤波中的应用

随着图像技术的发展,图像处理在医学领域应用越来越广泛.图像分割是进行正确分类和识别的基础,是图像处理领域中的关键问题.在图像预处理中,针对图像采集过程中产生的噪声问题,结合多种中值滤波算法,得出一种改进的多级加权滤波算法.通过仿真结果表明,该算法的滤波效果明显高于其他中值滤波算法.     

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。     

一种改进的自适应中值滤波方法

非线性滤波方法中中值滤波因其有效的噪声抑制技术,得到广泛应用。针对传统的自适应中值滤波易将高频信号点误分为噪声点,同时容易模糊图像细节的问题,提出一种改进的自适应中值滤波方法。在进行噪声点检测时,引入了最小集合距离测度,有效地避免了将高频信号误判为噪声。实验结果表明,该方法在检测正确率、降噪和保留细节方面都优于改进前的算法。     

基于本征图像滤波处理可见光图像的方法

在可见光图像处理领域,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算法为研究对象,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S_(NR)和P_(SNR)为参数作出评价.结果表明,重构时,过小的维数不能恢复原始图像,过大的维数则会引入更多的噪声,只有恰当的维数才能达到理想效果.相比椒盐噪声,处理高斯噪声所得P_(SNR)值和S_(NR)值更高,表明本征图像滤波法更擅长处理高斯噪声.     

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...     

一种基于邻域信息的椒盐噪声滤波算法

中值滤波是最早提出的一种有效抑制椒盐噪声的滤波算法，但其最大的缺点是模糊了细节部分．提出了一种改进的中值滤波算法，根据待测点与相邻像素点之间灰度值的相似性来区分噪声点与图像点，对噪声点应用中值滤波，而对图像点保留其灰度值不变，该算法在有效抑制椒盐噪声的同时能很好地保护细节．     

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。     

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。     

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。     

应用中值滤波法消除高密度椒盐噪声算法

中值滤波被广泛应用于消除图像的椒盐噪声,对于图像中的每一个噪声像素,用3×3窗口内非噪声像素平均值代替该噪声像素,然后将其更新为非噪声像素,使它能够立即参与后面相邻噪声像素的均值计算,这样不需要迭代过程和改变窗口尺寸,改进的中值滤波就能滤除高密度椒盐噪声。实验结果表明：本文的算法能有效地消除噪声,较好地保持原始图像的细节;计算时间少,具有较大的实用价值。     

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.     

伪彩色图像边缘平滑的中值滤波方法

对伪彩色中的色块图像边缘平滑处理，经过比较和实验不同的滤波方法，介绍了中值滤波有着其它滤波器所没有的良好特性。对中值滤波的窗口选择进行了详细地分析和讨论，并提出了中值滤波实施中的改进方法。     

一种基于方向梯度的图像滤波算法

自然图像中的大部分图像都存在噪声,在滤除噪声的同时尽可能地保存图像细节是图像平滑的目标.目前普遍使用的均值滤波滤除噪声效果不够理想且易使图像变得模糊,中值滤波虽然滤除噪声效果较好但使得图像变得模糊且易使图像的细节信息丢失.针对这一问题,本文提出了一种基于方向梯度的图像滤波算法.该算法对含有噪声的图像取3×3邻域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、边缘、图像内部点分别处理,实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.