一种抑制混合噪声的灰色关联滤波算法

在传统中值、均值滤波算法的基础上借鉴灰色关联理论,提出了一种有效抑制混合噪声的滤波算法.算法采用窗口自适应策略,先统计3×3滤波窗口内椒盐噪声点数目,如果数目大于7,则扩大窗口至5×5.计算各点关联系数,将滤波窗内非椒盐噪声点的灰度值作为比较序列,它们的中值或均值作为参考序列,对于椒盐噪声的滤除参考序列使用中值,对于高斯噪声的滤除使用均值作为参考序列.然后将各非噪声点灰度值与关联系数加权运算,得出的灰度值替换噪声点像素值.通过实验验证了几种算法的性能差别,证实了算法具有较强的去噪能力和边缘保护效果.     

带修正因子的均值和中值滤波算法研究

大部分自然图像同时包含高斯噪声和椒盐噪声,简单地运用传统的滤波算法不能得到理想的滤波效果.为了解决混合噪声图像的滤波问题,分别针对以高斯噪声为主的混合噪声图像和以椒盐噪声为主的混合噪声图像,提出了带修正因子的均值滤波算法和带修正因子的中值滤波算法.这两种算法在修正后的阿尔法均值滤波算法的基础上做了两方面的改进:首先,提出在图像邻域内为不同灰度值的像素点给出归一化的权值,用这些权值和与其对应的灰度值共同决定滤波输出.其次,所设计的权值可以用修正因子来进行微调,来获得理想的滤波效果.实验证明,其处理效果优于传统滤波算法和修正后的阿尔法均值滤波算法.     

基于改进加权均值滤波的医学影像图像除噪研究

针对均值滤波算法对含有椒盐噪声和高斯噪声的医学影像图像除噪不理想的问题,本文提出了改进加权均值滤波算法,该算法把滤波窗口中每个像素点的灰度值与计算得到的相应权值运算后作为其中心点的输出值,并运用该算法对含有椒盐噪声和高斯噪声的医学影像图像进行除噪研究.实验表明该算法对椒盐噪声和高斯噪声具有较强的抑制力,并且除噪后的医学...     

一种彩色图像的自适应混合滤波

设计了一种彩色图像的自适应混合滤波方法.该方法先判断窗口内含噪类型,然后用矢量加权均值滤波抑制高斯噪声,用矢量加权中值滤波抑制脉冲噪声,其权值均由滤波窗口内像素与窗口中心像素的距离得到.该混合滤波算法能够自适应地选择滤波方式,提高了滤波性能.     

基于BP神经网络的焦平面阵列的非均匀性校正

传统的基于BP神经网络的非均匀性校正算法由于采用了四邻域均值代替期望值,使得图像呈现低通的特性.本文针对红外焦平面阵列成像系统,对传统的神经网络算法进行了改进,将加权中值滤波处理后的结果作为期望输出,并在神经网络算法中权值修正时加入了动量项,加快了算法的收敛速度.通过仿真实验,与传统的神经网络相对比,校正效果得到明显的改善.     

一种基于开关型加权中值滤波的随机脉冲噪声去除方法

依据图像中随机脉冲噪声像素奇异性的特点,提出了1种新的开关型加权中值滤波算法.首先通过中值滤波的方法对被检测像素邻域进行平滑处理,并定义平均绝对差值进行噪声点的判别;对检测出的噪声像素点采用改进的加权中值滤波进行处理,即仅利用滤波窗口中未受污染的像素进行噪声滤除,加权系数同时包括空间距离与灰度的差异性.实验结果表明,提出的算法既有较高的脉冲噪声检测准确率,又能较好地滤除图像中的随机脉冲噪声.     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.     

一种新型的权值裁剪模糊中值滤波去噪算法

前人的基础上,提出了权值裁剪模糊中值滤波器．该文算法不仅考虑了噪声的检测,还考虑了中心像素周围也有可能存在噪声的情形,并对这些噪声点的权值进行了裁剪．实验表明,该算法比已有文献中的模糊加权均值滤波器以及标准的中值滤波在噪声消除和边缘细节保留方面都具有更好的性能。     

高密度噪声和混合噪声的图像去噪算法

去除高密度噪声和混合噪声一直是图像处理的难题之一.提出的算法MMM(Mixed-Median-Mean)将传统的中值和均值滤波相结合,取得了较好的去噪效果.该算法对邻域窗口内像素点进行有效替换,并且引入超参数k对替换数目进行控制,有效地提升了传统算法的去噪性能.实验对单一的高密度噪声和混合噪声的不同组合进行了验证,噪声包括高斯噪声、脉冲噪声和乘性噪声.实验结果证明该算法的有效性及强鲁棒性.     

基于极大相关象素值替代的椒盐噪声滤波算法

针对传统中值滤波器在滤除大密度脉冲噪声时不能保护细节的问题,本文在对传统中值滤波算法及其改进算法研究的基础上,提出了极大相关象素值替代的滤波算法。首先对噪声进行判别,并以该象素点为中心对3×3邻域象素排序,以中间值代替该象素值。然后将中间值与周围象素进行比较,求出与其差值绝对值最小的一个象素值,最终以此象素灰度值来代替中间值。对受不同密度（大于等于0.5）椒盐噪声污染图像的试验结果表明,该算法在滤除噪声的同时很好的保护了细节,取得了良好的滤波效果。     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

一种自适应窗口滤波算法研究

提出了一种滤波窗口方位、尺寸和形状都可随图像纹理结构自适应变化的开关滤波算法。滤波窗的尺寸可随图像梯度值的变化而变化,滤波窗方位排列与图像对应点像素最小梯度值方向一致。同时,为了将受噪声污染的点和图像的细节纹理像素点分开,给出了一种噪声点检测判据和开关算法流程。与传统均值、中值及相关文献提出的自适应平滑滤波算法相比,由于本文算法在降噪的同时兼顾了图像的局部纹理分布结构,因此在保护图像细节方面做得更好。仿真实验结果证明了本文算法的有效性。     

一种基于模糊加权非局部均值图像滤波方法研究

针对传统均值滤波算法滤除混合噪声以及随机值脉冲过程中滤除效果差的问题,提出一种新的模糊加权非局部均值滤波方法.该算法在传统的非局部均值滤波算法基础上,引入了模糊信息价值指数,对图像中的每一个像素点进行标记.由该指标对图像中像素点信息价值性进行判断,抑制脉冲分量的影响.实验结果表明,所提出算法的滤除噪声视觉效果更加清晰,能够有效滤除混合噪声以及随机值脉冲.     

基于能量差的加权均值递归滤波算法

对基于激光测量的管形零件内轮廓母线采样数据进行滤波.提出了基于能量差的加权均值递归滤波算法.该滤波方法中权值求取方法的思想是尽量给滤波窗口内能量频谱相对集中的采样数据赋予较大的权值,而给由于干扰引起的畸变数据赋予较小的权值.合适的滤波窗口长度通过仿真对比试验获得.这一思想的合理性通过仿真分析和实验测试得到验证,并表现出良好的效果.     

自适应型中心加权的中值滤波器

针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值.从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明.新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.     

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。     

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     

一种改进的中值滤波算法及其应用

为有效解决传统中值滤波算法在保护图像细节方面存在的缺陷,提出了一种改进的中值滤波算法.该算法对滤波窗口中像素进行了分块处理,再对处理的数值取中值.通过对图像边缘像素进行横向和纵向扩展,改善了图像的边缘信息.将该算法应用到医学图像中,并将实验结果与其他算法进行了比较,证明了本文算法的有效性,在去除噪声的同时,更好地保护了图像的细节.     

动态方向加权二维多级中值滤波的图像处理

在图像解译和识别过程中,经常需要对图像进行增强处理,以提取重要的信息。结合机器视觉、图像处理等图像增强方法,根据二维多级中值滤波原理,改进该算法,由于二维多级中值滤波在图象处理中是对图像进行固定的中值滤波处理,不能随着图像的复杂性进行变化处理,方向性不强,窗口大小不变,利用动态方向加权二维多级中值滤波方法进行图像增强处理,根据图像复杂的变化动态调整窗口大小和权值,该动态加权处理增强方法突出了视觉处理目的,达到了满意的视觉增强效果。图像处理前后的相似系数达到0.868 3,在原始图像比较复杂的情况下,可以改善后期图像处理过程,提高图像分析(解译)的正确性和有效性。