微光图像麻点噪声滤波理论与实验研究

均值滤波法处理微光图像时会造成严重的图像模糊。该文对此做了进一步的研究与实验，采用一种新的改进性处理措施－麻点噪声滤波法抑制微光图像噪声。该方法是将滤波窗口内中间像素点灰度值与所有像素点灰度平均值的绝对差值同阈值进行比较，并根据比较结果决定滤波输出。实验结果表明，麻点噪声滤波能有效地抑制微光图像噪声，对图像边缘保护特性比均值滤波好。     

数字图像中值滤波检测

在数字图像取证研究中,目前研究方向均着重于恶意篡改图像内容的检测,包括复制一粘贴操作、移走前景人物等。然而由于保持图像内容不变的后处理操作,如对比度增强、锐化、各类去噪滤波等,会对图像取证算法的准确性造成一定的影响。由于中值滤波的非线性特征,它被广泛用于各类反取证攻击中。通过提取简单而有效的特征,来检测数字图像是否经过了中值滤波。实验结果证明了算法的有效性。     

墙地砖图像的快速中值滤波研究

以墙地砖为研究对象,根据提出的快速中值滤波算法对之进行了去噪处理,实践证明了该算法的正确性与可行性,因此它成为智能墙地砖分拣机软件编程中平滑处理的快速算法,为墙地砖的在线全数监测打下必要的基础.     

基于粗糙集理论的图像中值滤波

介绍了粗糙集理论的概念，利用粗糙集理论进行了图像中像素值的分类，提出了一种基于粗糙集理论的图像中值滤波算法，进行了仿真试验，并和传统的图像中值滤波结果进行了视觉上的比较和峰值信噪比指标的比较。实验结果和峰值信噪比指标表明，该算法能有效地滤除图像中的随机脉冲噪声和椒盐噪声，还能使图像保持很好的清晰度。     

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     

图像加权中值滤波及其分级实现方法

本文介绍图像信号的加权中值滤波方法，探讨了加权中值滤波的分级加权优化与算法实现问题，给出一种新的分层加权结构，使之同时具有理想的噪声滤波和边缘保持效果。在实际图像滤波中得到了满意的验证     

一种改进的图像中值滤波算法

为了满足图像预处理的实时性要求,提出一种基于前一帧图像的改进的中值滤波算法.充分利用相邻窗口间的相关信息,通过移出一列(或一行)像素并移入另一列(或一行)像素,而其余已排序像素保持不变,仅对新移入的像素进行排序的方法,完成中值滤波处理,达到滤波要求.实验证明该算法可以有效地降低图像预处理的复杂度,使传统中值滤波算法的复杂度由原来的O(D2)降到了O(D),应用效果良好.     

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     

利用中值滤波进行图像处理

从人眼的结构和视觉特性出发 ,研究了图像中噪声产生的机理和消除的方法 ;提出了利用中值滤波法消除图像噪声的实用方法 ,对影响图像信号的不同噪声采用了不同的滤波方法 ,并对信号的频谱和滤波的效果进行了研究和分析。利用中值滤波法消除图像中的随机噪声是图像噪声处理的最佳方法。     

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。     

微光图象时空噪声处理理论与技术研究

该文以研制出的微光ＣＣＤ电视系统为实验研究对象，在系统研究了微光图象特征及其噪声特性的基础上，建立了同时考虑时间域噪声与空间域噪声的微光图象噪声理论模型。研制了微光图象处理实验系统，在理论模型的指导下，提出并发展了时间域帧间比较去噪法和空间自适应众值滤波法这２种新型的微光图象噪声处理技术，并对微光图象进行了时空域组合噪声抑制处理。文末对处理前后图象进行了测试与分析评价。     

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．     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

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维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波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维纳滤波好得多。     

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。     

一种面向静态图像消噪处理的二维中值滤波方法

提出了一种基于二维中值滤波用于静态图像消噪的改进算法.实验表明,该算法能有效滤除图像中的高斯噪声和斑点噪声,同时能很好地保持图像中的细节部分且比较容易用硬件实现.     

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.     

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。     

一种改进的自适应图像中值滤波方法

针对标准中值滤波方法存在的不足,提出了一种改进的自适应中值滤波方法。该方法用求得的均值自适应代替原噪声图像的灰度值。实验结果表明,与标准中值滤波方法相比,该方法在滤除噪声的同时,保留了图像细节且有较好的信噪比,尤其对含噪声密度高的图像的处理效果优势更为明显。