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.     

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.     

基于边缘检测的自适应非局部均值去噪算法

针对图像去噪处理中非局部均值(NLM)算法造成的平滑图像细节丢失问题,提出基于边缘检测的自适应非局部均值去噪(ANLM)算法。利用canny算子提取图像边缘结构图,比较待处理像素所在图像块和邻域图像块边缘结构的相似度,判断当前图像块所处图像区域的结构特征,设定相关阈值,自适应选取滤波参数,调整像素在平均过程中的权值。实验结果表明,ANLM算法相比NLM算法,能更有效去噪,可保留更多的边缘结构特征,细节信息更为丰富。     

基于分数阶积分和邻域FCM的道路信息变化检测

为了提高道路信息变化检测的精度,提出了一种基于分数阶积分和空间邻域信息的模糊C均值(fuzzy C-means,FCM)聚类算法,用于道路特征变化检测。首先,对经过配准和几何校正的双时相遥感图像进行灰度差值运算,重新生成差值图像;其次,采用较小的分数阶积分阶次构造上下、左右、4个对角线8个各向同性的去噪图像掩模,对差值图像进行分数阶积分计算,在提高图像信噪比的同时保留图像的边缘和纹理细节信息;最后,针对去噪后的差值图像采用结合邻域空间信息FCM聚类进行计算,聚类初始化中心点选择差值图像灰度值最高和最低的点,利用邻域的欧式距离来刻画不同的权重值,以表征领域像素点对中心像素的影响程度,剔除无效孤立点。通过检测概率、虚警率、漏警率指标对提出的算法进行评价。结果表明:基于分数阶积分和邻域空间信息的FCM聚类道路信息变化检测方法能有效提取道路变化信息,当积分分数阶数取0.2,FCM平滑参数取2.5时,检测概率高出对比算法18%~46%,虚警率指标低于对比算法15%~38%,漏警率低于对比算法3%~7%;提出的算法在抑制噪声信息和增强纹理细节方面能够取得较好的效果,尤其当中心像素点为噪声时,由于引入邻域空间信息,其受周围邻域正常像素点的影响,能够自动调整隶属度,较好地避免误分类;该方法还能有效抑制邻域噪声点对正常像素分类造成的影响,降低虚警率。     

基于改进脉冲噪声检测的图像滤波算法

在图像降噪处理过程中,针对传统的脉冲噪声检测方法易造成细节模糊和视觉失真等问题,提出一种基于图像分块迭代处理的脉冲噪声检测的滤波方法.该方法对图像局部信息和特征相似性进行相关研究和分析,确定图像局部最优阈值;以局部目标图像为背景,运用图像分割的思想,在不同局部之间选择不同的去噪阈值,根据该阈值从原图像背景中提取图像噪声,进而实现消除噪声的目的.仿真结果表明,与传统的图像去噪方法相比,该方法可以有效地从图像中去除脉冲噪声,同时提取出更多的原始图像信息,很好地保留图像的细节,具有更高的信噪比.     

基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

一种改进的脉冲噪声的检测与滤除算法

依据脉冲噪声特点以及图像的像素关联性,提出了一种改进的脉冲噪声检测与处理算法。该算法首先依据脉冲噪声与其邻域多数像素在强度上具有明显差异的特点检测出疑似脉冲噪声点,然后再利用4个方向模板进一步区分疑似脉冲噪声点,最终建立脉冲噪声标记矩阵。之后,对检测到的脉冲噪声,提出了一种改进的加权中值滤波算法,该算法仅利用滤波窗口内的有效信号对窗口中心像素进行加权中值滤波,其中,加权系数的确定不仅依赖于像素间的灰度关联性,而且还依赖于像素间的位置关联性。实验结果表明,本文算法不仅可以准确检测和有效滤除图像中的脉冲噪声,而且还可以较好地保护图像中的细节。     

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.     

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.     

基于HVS模型及边缘检测的像素点误差扩散半色调算法

针对常规误差扩散方法中的图像细节轮廓损失问题,提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法.该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息.仿真结果表明该算法能够更好的减少图像细节损失,保留图像细节信息.     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

一种新的混合噪音滤波器加速算法

混合噪音滤波器MNF是目前滤波效果最好的算法之一,然而,由于它采用非局部算法思想,所以存在较大的计算负担,针对该不足,提出一种基于均值和方差相似性的加速算法(FMNF).该算法之关键思想是对邻域像素预分类,把两像素的均值比和方差比均在给定阈值范围内(接近于1)的邻域像素分为一类,视为相似像素,相似的像素参与滤波计算,不...     

一种Bayer图像的插值与去噪方法

为了改善彩色图像还原效果,降低硬件设计复杂性,分析了彩色插值对脉冲噪声的影响,以及彩色插值与去噪先后顺序对图像质量造成的影响,提出一种基于5×5窗口的先去噪后插值的彩色图像还原方法。采用阈值检测噪点的中值滤波算法去除Bayer图像的脉冲噪声,后采用基于梯度的插值算法完成彩色插值。仿真结果表明,该方法还原的图像性能指标优于传统方法,可以有效去除脉冲噪声,同时较好的保留图像细节,且算法复杂度不高,实时性好,易于硬件实现。     

基于改进型中值滤波算法的图像去噪

去噪算法在图像处理中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在小波软阈值去噪算法的基础上,提出一种基于噪声个数判断的改进型中值滤波算法。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与小波软阈值算法、小波硬阈值算法、中值滤波算法相比,具有更好的去噪性能。     

基于B-Spline插值的自适应去噪方法

为了提高在高水平噪声下的去噪效果,提出了一种适合对受随机冲击噪声污染图像重建的两步去噪方法。利用图像的全局和局部信息来定位被噪声污染的像素,对被噪声污染像素利用基于B-Sp line插值的方法来进行重建,并且根据被污染像素周围像素的污染情况自适应地调整对其的加权因子。实验结果表明:通过B-Sp line插值来恢复被噪声污染像素的方法,对污染噪声的水平具有很好的鲁棒性,特别是在噪声水平高于50%的情况下,重建图像的峰值信噪比PSNR比传统方法平均可以提高2~3 dB。     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

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.     

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。     

基于交叠组合稀疏全变分的图像去噪方法

全变分作为一种常用的去噪模型,在图像去噪中较好地保持图像边缘信息,但是容易产生"阶梯效应"。为了克服这个缺点,提出一种基于快速傅里叶变换的交叠组合稀疏全变分去噪模型。首先,充分考虑图像梯度的邻域结构相识性,通过交叠组合计算像素点的梯度,以凸显平滑区域的高噪声污染点和边界区域像素点的差异。然后,基于快速傅里叶变换和交替方向乘子算法在频域中求解去噪模型。实验结果表明,新模型在保护图像边缘信息的同时,有效去除噪声,同时抑制"阶梯效应"。与几种较好的去噪算法相比,新模型的峰值信噪比、结构相识度、视觉效果、计算效率均有明显提高。