一种有效的脉冲噪声滤波算法

提出了一种新的图象脉冲噪声消除算法,该方法可以快速有效地去除图象中的脉冲噪声,并保留图象的细节。该算法主要通过利用象素点邻域的中值与最大、最小值信息,决定噪声象素的取值。对本算法与中值滤波算法进行了分析仿真,结果表明,本算法去除噪声与保留细节的效果好,对高强度的脉冲噪声也有比较好的滤波效果。     

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.     

基于前馈神经网络的图像去噪研究

提出一种检测和去除污染图像脉冲噪声的有效算法,采用前馈神经网络(FFNN)检测污染图像脉冲噪声,采用改进的算术均值滤波器去除测出的脉冲噪声。该算法仅对检测到的噪声像素进行滤波,采用窗口中未污染像素的算术平均值去除噪声。实验结果表明,该算法无论在图像质量的定性还是在定量评价方面均获得了良好效果。     

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.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

一种脉冲噪声模糊检测和滤波算法

脉冲噪声滤波一直是图像处理研究热点。提出一种适合各种脉冲噪声,基于模糊检测和滤波新算法。这种非线性滤波算法由脉冲噪声检测和脉冲噪声滤波两部分组成,能够很好的保留原图像的轮廓清晰度。基于梯度模糊度的观点,我们构造了一个用隶属函数描述的脉冲噪声模糊集。将隶属函数用于滤波,实质是对邻像素的模糊度加权平均。实验结果显示:无论图像中含脉冲噪声多少,该算法都能快速、高效检测去除脉冲噪声算法。     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

一种基于开关型加权中值滤波的随机脉冲噪声去除方法

依据图像中随机脉冲噪声像素奇异性的特点,提出了1种新的开关型加权中值滤波算法.首先通过中值滤波的方法对被检测像素邻域进行平滑处理,并定义平均绝对差值进行噪声点的判别;对检测出的噪声像素点采用改进的加权中值滤波进行处理,即仅利用滤波窗口中未受污染的像素进行噪声滤除,加权系数同时包括空间距离与灰度的差异性.实验结果表明,提出的算法既有较高的脉冲噪声检测准确率,又能较好地滤除图像中的随机脉冲噪声.     

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.     

面向脉冲噪声环境的多径信道鲁棒估计方法

在低压电力线通信(power line communication,PLC)中,由于脉冲噪声的干扰和阻抗不匹配引起的多径信道的影响,传统的在加性高斯白噪声环境下的信道估计算法运用到电力线通信时,往往效果很差,甚至得到的结果毫无意义。针对电力线通信中的脉冲噪声,采用了Middleton Class A脉冲噪声模型。通过基于高阶矩的方法对脉冲噪声的参数进行估计。根据估计得到的脉冲噪声参数,提出了新颖的、在脉冲噪声环境中鲁棒的信道估计算法。通过仿真,验证了提出的算法是可靠的,并且具有一定的灵活性。     

超混沌系统脉冲同步及其应用

研究了采用脉冲同步理论解决混沌系统的同步问题,并利用脉冲同步方法构造超混沌脉冲同步系统.根据同步渐进稳定性条件作为前提对系统进行数值仿真.采用同步误差的线性反馈作为脉冲信号,结合谱半径的稳定性定理采用合适的脉冲周期对系统进行了同步仿真实验.实现了超混沌系统的同步.并以正弦信号为例进行了信号传输的实验,进一步在加入白噪声的情况下考察了其同步效果.仿真效果表明,该方法具有较好的鲁棒性和抗噪能力,是对传统同步方法的改进和优化,具有一定的实际应用价值.     

基于邻域均值的去椒盐噪声算法

为了改善图像效果,利用图像邻域相关性提出了一种适用于椒盐噪声的图像去噪滤波算法.首先利用最大最小法则检测出被椒盐噪声污染的像素点,然后将被污染像素点邻域中的8个像素点按距离远近分为两类,最后利用近距离邻域中未被污染像素灰度值的均值重构图像灰度值.当近距离邻域像素全部被污染时,以远距离邻域中未被污染像素灰度值的均值代替该点的灰度值.仿真结果表明,该算法具有较大的峰值信噪比,能有效地抑制椒盐噪声并保护图像的细节.     

二阶随机脉冲微分方程周期边值问题随机解的存在性

本文在一定条件下,研究了形如 x″=f(t,x,x′,ω),t∈(0,T),t≠t_k,ω∈Ω,k=1,…,p. x(t_k~+,ω)=I_k(x(t_k~-,ω),ω),ω∈Ω,k=1,…,p, x′(t_k~+,ω)=N_k(x′(t_k~-,ω),ω),ω∈Ω,k=1,…,p, x(0,ω)=x(T,ω),x′(0,ω)=x′(T,ω),ω∈Ω(T>0为某常数)的二阶随机脉冲微分方程周期边值问题,得到了解的存在定理.     

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.     

脉冲噪声环境下信噪比的盲估计

正交频分复用(OFDM)系统中,多径信道下的传统信噪比估计采用的大多是加性高斯白噪声,本文提出了一种基于脉冲噪声环境下信噪比的盲估计方法。该方法首先设置合适的门限值抑制脉冲噪声,而后利用自相关函数的平稳特性估计出信道阶数,然后利用循环前缀数据为有用数据的复制这一特性估计出噪声功率,最后求出总的功率值从而估计出信号功率。实验仿真结果表明,提出的方法无需任何先验信息,在多径信道下具有良好的估计性能,且计算复杂度低。     

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解（RAED）时延估计方法,扩展了自适应特征值分解（AED）时延估方法的使用环境．该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数（广义NLMP）方法自适应得到该特征向量,从而获得时延估计．计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性．     

基于循环谱特征的楼宇室内频谱感知算法

针对目前楼宇室内环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出了一种基于支持向量机(SVM)的主用户信号频谱感知算法.该算法融合了循环平稳特征检测和SVM算法的特点,对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本,再采用SVM算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明与人工神经网络(ANN)和最大最小特征值法(MME)相比较,所提算法可在低信噪比情况下,有效地实现对主用户信号的感知,具有较好的稳健性.     

对称α稳定分布噪声下基于Kalman滤波迭代信道估计

为了提高加性脉冲噪声衰落信道环境下的通信传输性能,提出了一种适用于对称稳定分布噪声的基于Kalman滤波的迭代信道估计方法。该方法利用时变信道的先验统计信息将信道建模为一阶自回归模型,并将最小分散系数准则应用于Kalman滤波信道估计方法中,从而更充分地利用了时变信道和非高斯噪声的先验信息。在较为严重的时变脉冲信道下,该方法比最小平均p范数估计方法性能要优约2 dB。仿真结果表明:该方法能消除脉冲噪声和稳定分布二阶矩不存在等不利因素的影响,能快速准确地跟踪并预测时变信道的变化,且性能显著地优于传统的最小均方误差和最小平均p范数信道估计方法。