基于边缘检测的高斯噪声滤波算法

针对传统去噪方法在滤除高斯噪声时导致图像边缘细节模糊的情况,提出一种基于边缘检测的去噪算法。先用Canny算子检测图像边缘,对边缘部分用K近邻平滑滤波器去噪,再对非边缘区域像素用改进的加权均值滤波器去噪。该算法具有较好的边界保持效果,与同类去噪算法相比具有更高的峰值信噪比。     

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。     

基于引导滤波的单幅图像去雾算法研究

基于暗原色先验的单幅图像去雾算法较好地解决了估算雾天场景透射率的问题,算法复原的图像清晰颜色自然。但原始算法计算复杂度高、耗时长、无法满足实时性需求。介绍了引导图像滤波的原理,并将其与暗原色先验结合以改进原始算法;同时分析了滤波参数对去雾结果的影响。实验证明改进的算法在保证原算法去雾效果的同时能使算法复杂度大大降低。     

基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波,并提出了一种基于排序统计的图像边缘增强滤波算法,该算法将输入样点集划分成两个具有不同灰度值的子集,通过子集的运算值之差判断边缘是否存在。如果边缘存在,则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度;如果边缘不存在,则考虑进行噪声的平滑,计算机模拟实验表明,基于排序统计的图像边级增强滤波器在增强边缘的梯度的同时,能     

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.     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷——对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法.该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度.先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块.最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波(guided image filter, GIF)算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。     

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。     

基于引导滤波的红外图像预处理算法

针对红外图像固有噪声和灰度分布非均匀性影响图像质量的问题,提出一种基于引导滤波的红外图像预处理方法。根据引导图的局部信息,在红外图像的不同位置动态生成滤波核函数,从而可以在平滑场景的同时保持甚至增强边缘细节。实验表明,本文方法可以有效滤除噪声,保持场景强边缘,改善灰度分布非均匀性;且由于引导滤波算法复杂度与滤波半径无关,处理速度快。此外,应用实验表明该方法可以提高融合图像视觉效果,增强目标跟踪的定位精度,在图像增强中能够有效避免伪边缘的产生。     

基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

基于多尺度形态学的彩色图像滤波算法的研究

图像去噪是图像预处理过程中非常重要的环节,其去噪效果的好坏直接影响图像分析。针对彩色图像噪声的特点,提出改进的多尺度的形态学滤波算法,将灰度形态学的滤波算法推广到彩色图像,实验结果表明,多尺度形态滤波算法在滤除彩色图像噪声的同时,也能保持彩色图像边缘的信息和色彩信息。     

基于MATLAB的数字图像空域线性滤波算法的对比研究

分析数字图像处理中几种常见的空域线性滤波法,并通过MATLAB进行实验,对比它们对高斯噪声滤波效果,得出各自的优缺点和适用情况。     

基于边缘方向改进的自适应窗口Lee滤波算法

为克服自适应窗口Lee滤波算法对图像边缘方向不敏感的弊端,提出了一种改进方法。其基本思路是先对图像纹理区进行分类,然后在方向上使用改进的四向模板获取方向窗口,分别对不同的方向使用不同的窗口增长方式对图像进行滤波。实验表明,改进后的算法相比传统算法在有效去除噪点的同时保存了大量的边缘与细节信息。     

Kalman滤波在辐射图像降噪处理中的应用

为改善辐射图像质量,提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征,在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程;同时,采取NSHP(non-symmetrichalfplane)模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明,该方法有效减弱了辐射图像中混有的噪声,和传统滤波方法相比,更好地保持了图像的细节信息,体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。     

基于变分结构引导滤波的低照度图像增强算法

针对低光照条件下获取的图像存在亮度低、可见性差等缺陷,提出了基于变分结构引导滤波的低照度图像增强算法。首先在输入图像的每个像素点处计算R、G、B三通道的最大值,并使用最大值滤波获取亮通道图。其次,创新性地构建基于变分模型的引导滤波器对亮通道图进行精炼从而估计出照射分量,并根据Retinex理论,去除照射分量得到反射分量。最后,采用同态滤波和线性拉伸进一步提高反射分量的对比度以输出清晰的图像。综合实验表明,该算法能快速有效地增强低照度图像的亮度和对比度,且能较好地保持图像细节。     

利用小波域平滑和边缘保留的图像去噪算法

提出了一种基于小波域低频信号平滑及高频边缘保留的图像去噪方法.由于图像噪声主要集中在小波高频子图部分,且系数较小,常用的阈值去噪法存在阈值选取过大以致连同丢失掉边缘细节信息的缺陷,因此可以对高频子图提取边缘并保留和进行软阈值去噪处理后再融合;低频子图进行自适应维纳平滑滤波,进而得到重构出的去噪图像.实验结果表明,该方法在有效去噪的同时较好的保留了原有的边缘细节信息,效果明显.     

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.     

融合边缘信息的合成孔径雷达图像超像素分割算法

针对简单线性迭代聚类(simple linear iterative cluste, SLIC)对含有乘性相干斑噪声的合成孔径雷达(synthetic aperture radar, SAR)图像边缘分割不理想的问题,本文在SLIC基础上提出了一种融合边缘信息的SAR图像超像素分割算法。首先,利用高斯方向平滑对SAR图像进行预处理,从而在抑制乘性相干斑噪声的同时有效保护边缘细节;其次,提出了一种基于指数加权平均比率(ratio of exponential weighted average, ROEWA)算子的改进相似度测量参量,以提高SAR图像的分割精度;最后,采用六边形初始化聚类中心与圆形区域的搜索方式进行局部区域聚类,从而保证了算法复杂度增加的同时,算法的运行时间不会明显变化。实验结果表明,与四种经典超像素算法相比,本文算法生成的超像素边缘更加贴合SAR图像的真实边缘且得到的超像素大小较为均匀。