基于人眼视觉特性的自适应中值滤波算法

为了在滤除图像椒盐噪声的同时能很好地保持图像的细节,提出了一种基于人眼视觉特性(HVS)的自适应中值滤波算法.该方法首先采用基于HVS的噪声敏感系数作为阈值来确定噪声点,然后自适应调整滤波窗口大小,采用迭代中值滤波对噪声点进行滤波.该算法与标准中值(SM)滤波及其它改进中值滤波算法相比,具有更好的滤波性能.     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

高密度椒盐噪声图像的二次去噪方法

针对高密度的椒盐噪声图像,提出了一种基于中值滤波和均值滤波的高效的二次去噪方法 (Two-Step Denoising Algorithm,TSDA).数值试验表明,TSDA算法在保持图像边缘的同时能高效地去除高密度的椒盐噪声,较SMF方法和NDBA(New Decision-Based Algorithm)方法在检验指标MSE、PSNR和IEF上都有较大改进.     

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

一种抑制混合噪声的组合滤波算法

为了滤除图像中存在的混合噪声,提出了一种基于中值和均值的组合滤波算法。算法分两步进行,第一步采用改进的中值滤波算法过滤图像中的椒盐噪声;第二步将滤除椒盐噪声的图像采用均值滤波算法进行平滑,滤除高斯噪声。计算机仿真实验表明,组合滤波算法对于图像中的椒盐噪声和高斯噪声具有较好的滤除效果和细节保护作用,性能明显优于传统滤波算法。     

一种图像椒盐噪声自适应滤除方法

在已有极值中值的滤波算法的基础上,提出一种自适应滤波算法.该算法对于不同椒盐噪声密度采用不同滤波方法,在噪声密度较低时,采用同时考虑灰度差值和空间距离的自适应权重函数进行滤波,在噪声密度较大时,扩大滤波窗口进行改进的中值滤波.实验证明,该算法在滤除椒盐噪声能力、细节保护能力方面均有较大提高.     

两种改进型中值滤波算法比较

重点介绍了综合型中值滤波算法以及一种自适应中值滤波算法．针对这两种改进型中值滤波算法,对含有高斯噪声,椒盐噪声,混合噪声以及高密度噪声图像进行去噪处理,比较综合型中值滤波算法（文中采用了十字型和交叉型）和自适应中值滤波算法对不同图像的去噪效果．     

去除严重椒盐噪声的模糊加权改进算法

去除椒盐脉冲噪声是图像处理中的一个重要问题,提出了一种基于距离关系和模糊关系理论,去除严重椒盐噪声污染图像的恢复方法。该算法弥补了中值滤波在椒盐噪声概率高的情况下,滤噪能力下降快的缺点,经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

改进自适应中值滤波算法研究

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法.针对这3种滤波算法,对含有不同密度椒盐噪声的图像进行去噪实验.结果表明:改进算法去噪效果明显、能有效保护图像细节,PSNR保持在25 dB以上;改进算法在高密度噪声时也能得到细节较为清晰的图像,PSNR比改进前的提高17 dB以上.     

一种改进的图像中脉冲噪声滤波方法

提出了一种估计脉冲噪声强度的方法,并针对传统中值滤波(MF)法在去除脉冲噪声时存在的不足,给出了一种由噪声检测和噪声滤波2个阶段组成的图像滤波方法.实验结果表明,采用本文估计方法获得的噪声强度偏差较小,噪声滤波方法能在有效去除噪声的同时保持图像的边缘.     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,得到了广泛的应用。文中针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波具有更优良的滤波性能。     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

改进的中值滤波去噪算法分析

通过对传统中值滤波的分析,针对传统中值滤波在图像去噪过程中的不足,提出了一种改进算法,根据图像细节特征进行阈值设定,给出噪声与复杂图像细节的判断方法。通过实验仿真该算法对椒盐噪声的抑制和复杂图像细节保护具有很好的鲁棒性和适应性。     

基于脉冲耦合神经网络的椒盐噪声滤波

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法.首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法.然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波.仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势.     

一种有效的混合噪声滤波算法

以噪声特点和图像结构分析为基础,提出了一种有效的混合噪声滤除算法。算法首先通过极值判断和像素间的相容性检测,分离出脉冲噪声并以中值滤波滤除;然后对含有高斯噪声的图像以模糊滤波算法进行降噪处理。实验结果表明,本算法能有效地滤除图像中脉冲与高斯混合噪声,且较好地保护了图像细节特征。