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。     

一种新型自适应中值滤波算法

对开发大米检测中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法,结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强,特别在噪声密度比较高的情况。     

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。     

一种有效的自适应中值滤波算法

针对标准中值滤波算法的不足,提出改进的自适应中值滤波算法。该算法利用极值的方法统计图像噪声点,然后计算以噪声点为中心像素的予窗口的方差,对噪声点采取多窗口、多尺度的滤波。最后自适应选择方差最小的予窗口滤波。经过计算机模拟实验,采用该算法滤波,既能有效地平滑噪声,又能保存细节,效果远优于标准中值滤波算法。     

一种改进的中值滤波算法

讨论了非线性滤波的特点，分析了中值滤波的属性，在阈值分解的基础上，提出一种非线性递归中值滤波的改进算法，对其在信号和图像处理中的应用进行了初步的探讨，给出了该方案的仿真结果，结果表明，改进后的中值滤波算法与传统的中值滤波算法相比，前者在去噪同时保护边缘信息方面大大优于后者。     

一种改进的数字图像中值滤波算法

利用选点滤波的方式 ,提出了一种改进的中值滤波算法 ,该算法能有效地滤除图像中的随机脉冲噪声 ,还能保持图像很好的清晰度且比较容易用硬件实现。     

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.     

一种改进的图像中值滤波算法

为了满足图像预处理的实时性要求,提出一种基于前一帧图像的改进的中值滤波算法.充分利用相邻窗口间的相关信息,通过移出一列(或一行)像素并移入另一列(或一行)像素,而其余已排序像素保持不变,仅对新移入的像素进行排序的方法,完成中值滤波处理,达到滤波要求.实验证明该算法可以有效地降低图像预处理的复杂度,使传统中值滤波算法的复杂度由原来的O(D2)降到了O(D),应用效果良好.     

一种基于Rank变换的改进中值滤波

针对传统中值滤波对孤立噪声点和连续噪声不能有效滤波等问题,提出了一种改进算法：首先通过Rank变换,找出图像中所有的孤立噪声点,然后遍历图像对孤立的噪声点采用中值滤波,最大限度保持图像细节,有效地解决了在抑制图像噪声和保护图像细节方面的矛盾,对图像中孤立噪声,蕞唷较好的滤波效果;随后,进一步针对少量连续噪声点的情况,采用迭代算法对上述改进中值滤波算法结果进行处理,来解决连续噪声的滤波问题．试验结果表明,本文算法滤波后的图像效果明显好于传统滤波方法,能够有效地去噪,并能较好地保持图像细节和边缘．     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

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．     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象中值滤波框架,给出了该方法具体实现的实例。该图象中值滤波与传统中值滤波方法相比较,在有效抑制噪声的同时,能更好地保护边缘信息。     

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．     

一种改进的中值滤波算法

讨论了非线性滤波的特点，分析了中值滤波的属性，在阈值分解的基础上，提出了一种非线性递归中值滤波的改进算法．对其在信号和图像处理中的应用进行了初步的探讨，给出了该方案的仿真结果，结果表明，改进后的中值滤波算法与传统的中值滤波算法相比，前者在去噪同时保护边缘信息方面大大优于后者．     

多重窗口的自适应中值滤波

本文依据中值滤波的基本原理和Sakrison的非均匀图象模型提出一种改进型自适应中值滤波算法——MWMF。实验结果表明,MWMF算法对图象细节具有良好的保护作用。     

多重窗口的自适应中值滤波

本文依据中值滤波的基本原理和Sakrison的非均匀图象模型提出一种改进型自适应中值滤波算法——MWMF.实验结果表明,MWMF算法对图象细节具有良好的保护作用.     

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.