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.     

微光图像麻点噪声滤波理论与实验研究

均值滤波法处理微光图像时会造成严重的图像模糊。该文对此做了进一步的研究与实验，采用一种新的改进性处理措施－麻点噪声滤波法抑制微光图像噪声。该方法是将滤波窗口内中间像素点灰度值与所有像素点灰度平均值的绝对差值同阈值进行比较，并根据比较结果决定滤波输出。实验结果表明，麻点噪声滤波能有效地抑制微光图像噪声，对图像边缘保护特性比均值滤波好。     

高椒盐噪声图像滤波算法

提出了一种适合于消除高密度椒盐噪声的滤波器。该滤波器充分利用了直方图在受椒盐噪声污染前后形状基本不变的稳健特性。通过计算相邻灰阶直方图的差得直方图梯度,并据此界定噪声范围,确定噪声点。对噪声点,结合图像直方图和图像局部相关的特性,提出了一种新的自适应加权平均算法,是一种新型的噪声判别及噪声滤除算法。该算法可以根据试验需要,采用迭代的方式,达到理想的滤波效果。试验表明,本算法对椒盐噪声特别是高噪声率图像的处理具有很好的性能。相比较现有算法,其去噪声能力大大提升。     

高噪声率椒盐噪声污染图像滤波

针对高噪声率椒盐噪声污染的数字图像,改进了基于灰色绝对关联度的像素类型判别,可识别出离散噪声(或边缘点)、聚集噪声与非边缘点。对于离散噪声(或边缘点),采用自适应中值滤波算法进行平滑,兼顾噪声滤除和细节保存。对于聚集噪声,在去除邻域内噪声点后取剩余像素均值作为滤波结果;而对于非边缘点则直接保留。实验结果表明,滤波算法对于高噪声率椒盐噪声具有良好的滤波效果,还能较为有效地保留图像细节。     

有色噪声自适应滤波的研究

本文利用复杂输出相关法解决测量噪声为有色且无任何先念知识的一种自适应滤波方法.该方法对处理有色噪声的滤波不采用扩大状态变量的方法,采用等效观测方程的方法,使得计算没有复杂化,滤波器的维数没有增加,并通过实例模型进行计算,表明该方法可行.     

红外图像序列动态帧间滤波技术

该文提出了红外图像序列的动态帧间滤波技术,把图像序列作为二维数据流,采用先进先出的方式在整个积分周期内进行多帧平均,实现了沿着运动轨迹进行帧间滤波。对于活动红外图像序列,该技术能够有效地抑制噪声、提高信噪比,也能够降低运动目标的模糊程度。     

一种基于区域信息的图像高斯噪声滤除方法

提出了一种滤除加性脉冲噪声的模糊加权平均滤波器，其加权系数是一个携带了原图像信息的隶属度函数，同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．新的滤波器优点是简单快速，和neuro-fuzzy滤波器相比又无需训练学习时间．实验表明该方法滤波效果优于传统的滤波器和其他模糊滤波器．     

基于序列图像的粒子滤波跟踪算法

基于序列图像的目标跟踪方法研究已成为当前计算机视觉领域的一个重要研究内容.构建一个准确、实时和鲁棒的跟踪系统是该领域的研究重点.本文提出了一种改进的基于粒子滤波器算法的快速目标跟踪方法.通过提取序列图像中目标的HSI颜色空间直方图作为目标模板,建立系统的状态转移模型和观测模型,应用重采样技术,最后利用粒子的加权和估计最终目标位置和形状.通过软件仿真实验,本文提出的算法较传统的目标跟踪算法具有更好的实时性,准确性和鲁棒性.     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

基于小波变换的数字监控图像的噪声滤波方法

小波分析因具有多分辨率分析能力和时频局部化能力，在处理数字图像时占有很大优势.用小波变换技术的设计一种简单的实用性强的数字监控图像噪声滤波方法，在数字图像处理应用时效果理想.     

消除噪声的自适应滤波方法研究

电子系统中不可避免地会受到噪声的干扰。用固定参数的滤波器进行消除噪声有其缺陷,它对信号与噪声的先验知识需要的较多。本文讨论了用一种自适应滤波器消除噪声的方法,实验仿真证明这种方法能有效地去除弱信号中的噪声。     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.     

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。     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.     

基于Kalman滤波的稳态白噪声估值器

基于 Kalman 滤波,对带非零均值的相关噪声系统提出了统一的稳态白噪声估值器,可统一处理白噪声滤波、平滑和预报问题。它们包括稳态输入白噪声估值器和观测白噪声估值器,且包括白噪声新息滤波器和 Wiener 滤波器。一个 Bernoulli-Gaussian 白噪声的仿真例子说明了它们的有效性。     

基于噪声检测的彩色图像滤波算法

对于被脉冲噪声污染的彩色图像,提出了基于噪声检测的彩色图像滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素(即信号像素)保持其值不变。并对基于相似度的自适应滤波算法加以改进,作为后续的滤波算法。实验结果表明,提出的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

自适应滤波在噪声抵消中的应用

介绍了自适应噪声抵消的工作原理,并对算法的选择进行了简单论述,说明了选择LMS算法的原因,并进行了仿真。     

基于像素类型的彩色图像混合矢量自适应滤波器

为了更好地去除彩色图像中各种类型的噪声污染,提出了一种基于像素类型的彩色图像混合矢量自适应滤波器.该滤波器首先使用Lee滤波器对YCbCr彩色空间的三通道进行加性噪声预处理;然后基于亮度分量图Y中每个像素8个方向上的基本梯度,以及其3×3邻域窗口像素的结构和连通特性,提出了9条像素类型判别规则,把彩色图像的像素划分为脉冲噪声污染像素、边缘或细节像素和平滑区像素;最后,对3类像素在YCbCr空间分别采用改进的自适应最近邻矢量滤波器(MANNMF)、自适应最近邻矢量滤波器(ANNMF)和加权平均矢量滤波器(WAF)进行滤波处理.实验表明,所提出的彩色图像滤波器不仅能去除图像中各种类型的噪声,而且具有良好的边缘细节保持能力,性能优良.