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.     

矢量中值滤波在林业TM影像处理中的应用

介绍了改进的矢量中值滤波法算法,并使用该算法对广东省九曲水林场TM图像数据进行滤波消噪处理O 以图像基本统计信息、典型地类分类精度和平滑指数FI为评价指标将矢量中值滤泼的处理结果与传统的滤波算法(均值滤泼、中值滤泼、统计滤泼、自适应滤波和高斯滤波)进行了对比分O析结果表明,对林区TM图像而言,矢量中值滤波器具有出色的平滑去噪能力,并且保持了很好的分类精度,可以替代传统的滤波方O 法。     

序列切片图像中斑块状污染的消除

为消除序列切片显微图像中的斑块状污染噪声,提出了一种三维截面图像顺序滤波的处理算法。根据斑块状污染噪声随机出现在单个层片的特点,通过数据重构,得到三维图像体数据,并针对斑块状污染噪声在不同观察方向上的形态退化,分别进行特定方向的中值滤波。算法可有效消除原始图像中的斑块状污染噪声,使图像分割和三维图像重构组织的连通关系得以保证,该算法等价于采用特殊的序列三维中值滤波器对图像进行处理。     

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.     

支持向量机在注塑产品图像预处理中的应用

分析了现有中值滤波器算法在注塑产品图像预处理过程中应用时存在的问题,结合注塑产品图像的特点,提出了一种新的多级中值滤波器算法;通过训练基于支持向量机的像素点分类器,实现了对图像中像素点类型的判别,进而根据其自身特性的不同,有的放矢地选择相应的滤波处理方法.该算法既有效地抑制了注塑产品图像中存在的噪声污染,又提高了滤波算法保护图像中边缘细节信息的能力,更好地满足了注塑产品图像预处理的要求.仿真研究证明了该算法的有效性.     

粗集神经网络在图像融合滤波中的应用研究

传统的或改进型的中值滤波器,很难在图像噪声滤除和细节保留两方面兼顾与平衡.本文基于粗神经元构建了一种粗集神经网络,该粗集神经网络对5×5中值滤波器和多级FIR中值混合滤波器MFMHF(Multilevel FIR-Median Hybrid Filter)的处理结果进行融合.由于粗神经元的不可微性,BP算法不再适用,因此本文采用遗传算法GA来进行网络权值的学习,同时融入具有局部搜索能力的爬山法改善了进化后期的计算效率.仿真试验表明,粗集神经网络在图像融合滤波方面的性能优于BP网络和一般的中值滤波器.     

一种改进的最优全方位结构元约束层叠滤波设计方案

改进的中心加权中值滤波方案较常规中值滤波方案对图像的降噪或噪声衰减能力较强,同时对图像的边缘保持较好;而最优全方位结构元约束层叠滤波适于消除加性白噪声和脉冲噪声,但对图像高频部分的微波细节的保持能力较差,于是在最优全方位结构元约束层叠滤波设计中引入改进的中心加权中值滤波的主要思想,得到了一种新的滤波改进算法,从理论分析和图像处理仿真实验表明,该类滤波器既有有效地滤除噪声,又可充分保留原图像的细节信息。     

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.     

具有细节保护特性的多级中值滤波算法

提出了一种改进的中值滤波算法。该算法对中值滤波进行了两方面的改进,一方面基于区域的统计信息,对噪声点进行分析;另一方面对多级中值滤波的方向进行自适应处理。与中值滤波相比,它具有更好的平滑噪声和边缘保持功能,而且能有效地滤除图像中的随机噪声。     

基于滤波的单幅图像去雾方法

基于Tarel方法提出一种新的基于滤波的单幅图像去雾方法. 先利用双边滤波求出初始的大气散射光, 较好地保持了边缘平滑纹理; 再利用自适应中值滤波器进一步求得边缘清晰、 纹理平滑、 景深信息真实的大气散射光; 然后基于分层搜索的四叉树分解方法求得大气光; 最后, 依据雾天退化模型得到复原的图像. 与经典去雾算法对比结果表明, 使用该方法复原的图像更接近真实图像, 特别对于纹理较丰富的区域和远景区域去雾效果更明显.