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。     

基于灰度统计值的遥感影像快速中值滤波算法

提出一种新的遥感影像快速中值滤波算法,并对不同的中值滤波算法进行比较分析。普通快速中值滤波算法利用相邻窗口的相关性,减少排序次数。本算法抛开排序,通过构造长度与滤波窗口大小相同的一维数组,利用各灰度级的统计值,由中值特性获取窗口中值,从而大大提高算法的效率。对于n＊n的滤波窗口,本算法可将算法复杂度由O（n4）降至O（n2）,进一步利用相邻窗口的相关性,可将复杂度降低至O（n）。     

快速中值滤波

提出一种针对矩形窗口的图像中值滤波快速算法．它充分利用了相邻窗口间的相关信息，以中值为界将窗口内像素分成两组．当窗口右移一像素，根据当前分组和中值获得新窗口的分值，进而求出其中值．避免了现有算法对每一窗口进行排序取中的操作，降低了计算量     

均值加速中值滤波算法

本文介绍一种均值加速中值滤波迭代算法,该算法不需要对所有像素的邻域值进行排序,而是对像素的邻域值有选择性的排序,排序后的中值直接替代原像素值。理论分析与实验结果表明:该算法能有效地降低中值滤波算法的时间复杂度,可将常用的快速排序算法复杂度(ONlnN)简化为O(N(1 lnN)/2),且去噪声效果良好,在图像处理中有广泛的应用前景。     

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．     

一种快速图象中值滤波算法

提出了一种基于灰度图象的二维中值滤波快速算法。该算法每次只考虑滑动窗中移出和移入的数据，避免了传统算法中因排序所需的大量数据比较，该算法比较次数仅与前后两次窗口中值的差值成正比。     

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。     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

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。     

对多重单向中值滤波器的一种改进

本文针对多重单向中值滤波器的不足对其进行了改进。并且给出了传统的多重单向中值滤波器和改进后的多重单向中值滤波器对图像去噪的结果,并进行了比较。     

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．     

自适应模糊多级中值滤波器

结合模糊关联存储方法（FAM）,提出了修改后的多级中值滤波器－－自适应模糊多级中值滤波器（AFMMF）,该滤波器克服了传统多级中值滤波器（MLMF）的一些缺点,实验结果显示,在处理“短线”噪声的过程中,AFMMF能更好地保留边缘,取得了更好的效果。     

中值滤波与均值滤波法在条形码去噪中的应用

通过对条形码图像进行二值化处理,采用中值滤波与均值滤波方式完成对条形码的去噪,解决条形码在识别过程中遇到的问题。     

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．     

一种中值滤波的快速算法

给出了一种中值滤波的快速算法,该算法利用了两次中值滤波的窗口内数据的相关性。在中值滤波过程中,除了第一个中值要用传统排序算法求得,以后的中值都是通过把新进入窗口元素在前一次排好的序列进行对分查找和内插操作求得。为了更于窗口移动,设计了一种数据结构,可以快速用新移入数据覆盖移出数据,大大减小计数量,还给出了窗口按“之”字形路线移动的２维中值滤波方法。     

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。     

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。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

一种基于方向梯度的图像滤波算法

自然图像中的大部分图像都存在噪声,在滤除噪声的同时尽可能地保存图像细节是图像平滑的目标.目前普遍使用的均值滤波滤除噪声效果不够理想且易使图像变得模糊,中值滤波虽然滤除噪声效果较好但使得图像变得模糊且易使图像的细节信息丢失.针对这一问题,本文提出了一种基于方向梯度的图像滤波算法.该算法对含有噪声的图像取3×3邻域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、边缘、图像内部点分别处理,实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.