自适应型中心加权的中值滤波器

针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值.从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明.新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.     

医学超声病灶图像自适应滤波器设计

该文针对医学超声图像噪声的特点提出了非线性滤波器.首先介绍了自适应中值滤波器的工作原理,然后用其与经典中值滤波器对含有不同噪声密度的肝癌超声图像进行去噪处理.实验结果对比表明：自适应中值滤波能够有效改善图像质量,在降低图像噪声的同时能较好的保持图像细节信息和视觉效果.     

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。     

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.     

矢量中值滤波在细胞彩色图像去噪中的应用

在一般图像中值滤波去噪的算法基础上,针对细胞医学图像处理的特点,用彩色图像的矢量中值滤波算法对细胞图像进行去噪处理.去噪过程使用窗口长度变换和同窗口多次迭代两种方式进行实验,结果表明,采用矢量中值滤波算法的同窗口多次迭代方式能够取得良好的去噪效果.     

消除彩色图像脉冲噪声的复合型中值滤波器

提出一种新的消除彩色图像中脉冲噪声的滤波法．该滤波法依据简单的局部纹理分析而自动选择使用标量中值滤波或使用矢量中值滤波：当局部区域不存在明显的纹理时，使用标量滤波，否则使用矢量滤波．由于大多数自然图像都有低通特性，因而该滤波器大多数时间运作于标量模式．实验表明，中提出的方法其计算量比标准的矢量中值滤波器少得多，但性能却同样优良．     

改进的量子彩色图像中值滤波算法

图像处理任务中广泛应用中值滤波器来平滑图像和消除幅度极大或极小的噪声,并且可以保持图像的边缘特性,不会使图像产生明显模糊。提出一种改进的空间域量子彩色图像中值滤波算法,并且在IBM Q(international business machines quantum)平台上进行仿真。该算法将量子彩色图像进行存储,利用量子比较器模块、量子控制交换器模块、中值计算模块和阈值模块设计量子彩色图像中值滤波的量子线路。相较于已有的量子彩色图像中值滤波算法,在进行中值滤波之前加入了阈值进行噪声判断,该算法滤波效果更好,同时时间复杂度也更低。     

CNN-PDE非线性图像滤波器

偏微分(PDE)非线性图像滤波方法具有优良特性,但由于其计算量大而无法满足实时控制需求.细胞神经网(CNN)可以描述图像PDE模型,利用模拟CNN芯片并行求解,有助于提高其实时性.本文用CNN实现了PDE偏差非线性图像滤波器,提出了一种局部运算的噪声估计方法以选择适当的平滑系数.计算结果表明,这种噪声估计方法可以对不同噪声水平作出较精确的估计.仿真实验结果表明,CNN-PDE非线性滤波器取得了满意的滤波效果,用CNN实现PDE非线性滤波器的方法是有效可行的.     

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。     

基于窗结构和巴切奇偶排序的中值滤波器硬件设计与实现

数字电路设计中值滤波器时,面积和速度上的考虑非常重要.面积上要求使用的逻辑资源尽可能少;速度上则要求系统能在较高时钟频率上工作,并用尽可能少的时钟周期完成1帧滤波或进行实时滤波.设计的新型中值滤波器的硬件结构为带2个Buffer的3窗结构,并用奇偶排序网络作为滤波器功能逻辑模块的理论依据,在FPGA平台上进行结构设计,使用ModelSim仿真验证了结果,最后实现了视频图像滤波.实验分析表明,设计的新型结构滤波器不但使用的逻辑资源较少,仅用了741个逻辑单元(LE),而且处理速度达到27 MHz/像素,实现了对视频图像的30帧/s实时处理.设计不仅具有一定的实用性,也为数字图像处理的硬件结构设计思路提供了参考.     

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．     

A new method for adaptive color image filtering

An adaptive color image filter (ACIF) is proposed in this note. Through analyzing noise corruption of color image, efficient locally adaptive filters are chosen for image enhancement. The proposed adaptive color image filter combines advantages of both nonlinear vector filters and linear filters, it attenuates noise and preserves edges and details very well. Experimental results show that the proposed filter performs better than vector median filter, directional-distance filter, directional-magnitude vector filter, adaptive nearest-neighbor filter, and a-trimmed mean filter.     

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。     

Image Blind Deblurring Using an Adaptive Patch Prior

Image blind deblurring uses an estimated blur kernel to obtain an optimal restored original image with sharp features from a degraded image with blur and noise artifacts. This method, however, functions on the premise that the kernel is estimated accurately. In this work, we propose an adaptive patch prior for improving the accuracy of kernel estimation. Our proposed prior is based on local patch statistics and can rebuild low-level features,such as edges, corners, and junctions, to guide edge and texture sharpening for blur estimation. Our prior is a nonparametric model, and its adaptive computation relies on internal patch information. Moreover, heuristic filters and external image knowledge are not used in our prior. Our method for the reconstruction of salient step edges in a blurry patch can reduce noise and over-sharpening artifacts. Experiments on two popular datasets and natural images demonstrate that the kernel estimation performance of our method is superior to that of other state-of-the-art methods.     

均值加速的快速中值滤波算法

中值滤波是图像处理中常用的滤波方法 ,该方法能够在有效地去除噪声的同时保持图像的边缘细节。但由于其运算的时间复杂度高 ,在滤波子窗尺度较大时 ,不能满足大型图像实时处理的需要。提出了一种利用均值加速的快速中值滤波算法 ,它能有效地降低中值滤波算法的时间复杂度 ,将计算效率和运算速度提高到传统快速滤波算法的两倍以上。该算法应用于大型辐射图像的滤波处理中 ,取得了良好的效果 ,提高了图像滤波的速度 ,增强了图像处理的实时性     

一种适合于图像细节保留的椒盐噪声滤波器

提出一种新的椒盐噪声滤除方法.通过对图像二值化,对其进行统计分析确定噪声点.仅改变噪声点的像素值,避免了中道滤波对图像细节的破坏,同时又滤除了噪声.实验结果表明,新方法可以有效去除椒盐噪声,同时很好地保护图像的细节.     

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．     

彩色图像的中值滤波算法的改进与应用

在分析彩色图像噪声的来源和滤波的一般方法的基础上,提出了一种基于矢量中值滤波算法的改进方法.该算法集中了线性均值滤波和非线性矢量中值滤波两种方法的优点,在一定的程度上降低了运算复杂度.实验结果表明,尤其是在噪声密度非常大的情况下可以有效地去除椒盐噪声,该方法具有一定的实用价值.     

格型自适应零极点滤波器在有源噪声控制中的特性分析及其与常规算法的比较

由于IIR结构中极点的存在能更精确的描述实际声场，在某些有源噪声控制场合，自适应IIR控制结构相对于常规的FIR结构具有更大的优势，目前所采用的自适应IIR控制算法包括基于直接形式IIR滤波器结构的FULMS和FVLMS算法以及基于格型零极点滤波器结构的LFRLMS算法．对格型零极点滤波器的稳定性及迭代参数的选取方法做了分析，并对几种算法在有源噪声控制中的应用效果加以比较．实验的结果表明，在有源噪声控制中常见的声场建模阶数远远不足的条件下，LFRLMS算法具有相对良好的稳定性及收敛速度，特别是在对功率谱离散度较大并含有较多窄带成分的噪声信号进行控制的时候．