小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

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.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

一种基于邻域信息的椒盐噪声滤波算法

中值滤波是最早提出的一种有效抑制椒盐噪声的滤波算法，但其最大的缺点是模糊了细节部分．提出了一种改进的中值滤波算法，根据待测点与相邻像素点之间灰度值的相似性来区分噪声点与图像点，对噪声点应用中值滤波，而对图像点保留其灰度值不变，该算法在有效抑制椒盐噪声的同时能很好地保护细节．     

基于椒盐噪声滤波算法的优化处理

提出了一种针对椒盐噪声滤波算法的优化方法。首先对椒盐噪声图像进行平滑预处理,将结果与椒盐噪声图像做差运算,当差值大于阈值则判定为噪声点;再利用椒盐噪声图像减去噪声像素点得到一幅未被污染的细节图像,利用滤波处理后的图像减去未被污染的细节图像得到噪声滤波处理后的像素点,然后将这些处理后的像素点与未被污染的细节图像镶嵌融合,实现在滤波过程中只对噪声像素点进行滤波处理。实验结果表明,相较于原椒盐滤波算法,优化算法对峰值信噪比提升了2dB左右;同时,优化算法对去核辐照噪声的滤波算法同样具有优化作用,优化处理所需时间小于0. 01 s,图像的保真率得到了提高。     

一种有效去除椒盐噪声的开关中值滤波器

图像去噪追求的目的是既能去除图像中的噪声,同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上,设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段,对于信号点保持其灰度值不变,对于可能噪声点分两步进行处理:根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点,如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值,这一步可对误判噪声点进行纠正;而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值,滤波窗口尺寸固定为3×3,这一步用来去除噪声和保持图像细节。实验结果表明,本文算法在主客观方面都优于相比较的方法,且对不同水平的椒盐噪声都具有较好的去除性能。     

一种基于各向同性集的模糊滤波算法

图像中的椒盐噪声是一种特殊的噪声,处理不当会使图像本身的细节变得模糊不清,从而使图像降质,中值滤波能够有效地抑制椒盐噪声,但模糊了图像中的一些细节。因此结合方向图,提出了一种基于各向同性集的模糊滤波算法,不仅能够有效地抑制椒盐噪声,而且能够较好地保持图像细节,该算法大大优于中值滤波。     

基于图像噪声检测的平滑方法研究

针对含有椒盐噪声的图像,首先利用了TSMD阈值方法将图像二值化,有效地检测了图像的噪声,然后估算出了噪声图像的SNR,比较了与原噪声图像SNR的差异程度,得到了相应地质量评价方法,最后通过选择性中值滤波的方法去除了图像上的噪声.结果表明:相比于全局中值滤波方法,该方法能够有效地去除椒盐噪声,保留更多的图像细节,对图像的影响较小.     

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.