一种新型的图像去噪滤波器

图像滤噪时利用的先验知识越多滤波效果越好，但是一般情况下只能得到一幅被污染的图像，因而无法获得这些信息。针对这点，提出了一种去除图像中椒盐噪声的新型滤波器。该滇波器首先根据椒盐噪声的特点，对滤波窗口中的象素进行一种排除最大和最小的操作，波除椒盐噪声点。其次，根据图像区域特性信息对滤波窗口再进行一次排除次最大和最小的操作。实验表明该滤波器在性能和速度两方面均强于现有的滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显。     

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。     

基于方向信息自适应2次噪点检测的降噪方法

椒盐噪声的处理是图像噪声处理的重要环节,针对传统中值滤波方法存在的不足,提出1种基于方向信息自适应2次噪声点检测去椒盐噪声的方法.该方法在噪声密度不同时进行分类处理,小于某一阈值时通过方向信息区别边缘点和噪声点,降低噪声点误判的概率,在噪声密度大于某一阈值时,将所有可疑噪声点全部确定为噪声点.之后对确定的噪声点进行改进的自适应中值滤波,根据窗口中非噪声点的密度不同采用不同的滤波方法.在处理加入噪声密度为80%的Lena图时,PSNR达到28.97 d B,SSIM达到0.981 2,实验结果表明,能够去除图像中的椒盐噪声,对不同密度噪声降噪鲁棒性较强.     

基于模糊滤波器的椒盐噪声图像滤除

为滤除数字图像中的椒盐噪声,在图像灰度空间上引入模糊划分和像素点灰度值检测噪声,进而利用滤波窗口内非噪声点灰度值描述中心点的灰度水平.依据改进重心去模糊法设计一种模糊滤波器,模拟实验表明该滤波器可以有效地滤除图像中的椒盐噪声.     

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。     

非线性滤波器的边缘保持效果比较分析

对数字图像进行去噪操作是图像预处理过程中的重要组成部分。研究了在使用不同的非线性滤波器对图像进行去噪操作后对于图像边缘信息的保留效果。实验选取中值滤波、BM3D滤波器和双边滤波器3种非线性滤波器对被高斯噪声和椒盐噪声所污染的图片进行去噪操作。实验结果表明,在只有高斯噪声的情况下,3种滤波器都能收获较好的滤波效果,而在只有椒盐噪声的情况下,双边滤波的去噪效果较差。在3组实验中,BM3D在对图片进行去噪时对于边缘信息的保持最好,而中值滤波和双边滤波会损失较多的图片边缘信息,在对图片进行滤波时,BM3D消耗的时间资源较多。     

基于改进PCNN模型的对称中值滤波方法

为滤除灰度图像中椒盐噪声同时保留图像细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN模型执行一次点火操作从而定位灰度图像中噪声像素点位置,然后利用提出的对称检测中值滤波算法对已定位的噪声点进行滤波而其他位置像素信息保持不变.实验仿真表明,新提出的方法对噪声密度低于60%的椒盐噪声图像较已有的滤波算法有更优异的滤波性能.该算法能有效滤除噪声而且对图像的边缘细节保留完整,实验结果证明了算法的有效性.     

数字图像的混合噪声去除

针对混有高斯噪声和椒盐噪声的数字图像去噪,提出一种混合噪声滤波算法.首先判断滤波窗中心像素是否是噪声点,如果是噪声点,则取窗口内与其他像素灰度差值绝对值和最小的那个像素值作为噪声点的灰度值;否则,不改变当前像素值.通过实验分析比较,该算法能够在去除噪声的同时更大限度地保留图像的细节信息,并且由于算法在时域内进行,其运算...     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

一种新的脉冲噪声图像恢复方法

为消除图像中的脉冲噪声, 提出一种窗口自适应开关中值滤波方法. 利用BP神经网络将图像中的每个像素点分类为信号点或噪声点, 再采用改进的中值滤波器对检测后的图像进行滤波处理. 根据噪声检测结果, 滤波器自适应调整窗口大小并选择性取样, 逐点滤波消除图像中的噪声. 该方法在抑制脉冲噪声、 保护图像细节方面均优于以往基于中值滤波的法, 即使在图像遭受70%噪声污染的极端情况下, 仍能得 到很好恢复.