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。     

基于CMOS图像传感器混合噪声的自适应滤波算法

针对中值滤波导致部分图像细节损失和均值滤波出现模糊现象,设计了一种适用于椒盐和高斯混合噪声的自适应滤波算法.该算法先用最小邻域的均值和阈值判断噪声类型,然后使用加权中值滤波处理椒盐噪声,再利用拉普拉斯算子和相应阈值判断图像边缘细节,最后对高斯噪声进行加权均值滤波.实验仿真结果表明,从图像视觉效果来看,相比单独使用中值和均值滤波降噪,自适应滤波算法对图像的还原效果更好,图像细节保存较好,模糊程度相对较弱,图像更清晰.通过对比峰值信噪比(PSNR)和均方误差(MSE),对混合噪声进行处理时,滤波算法的PSNR和MSE值优于中值和均值滤波,有效还原了噪声图像.整个算法是在最小邻域空间进行,易于实现,对混合噪声的处理效果较好,为图像处理的系统集成化设计提供了技术支持.     

基于多级中值滤波—提升小波技术的图像去噪

针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。对含不同混合噪声图像进行去噪实验。结果表明：采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

图像去噪的新型自适应混合滤波算法

针对含有椒盐噪声和高斯噪声的灰度图像,研究一种新型的自适应混合滤波算法.首先利用改进的自适应中值滤波算法过滤图像中的椒盐噪声;其次利用改进的自适应均值滤波算法过滤图像中的高斯噪声.这种混合滤波算法具有自适应扩大滤波窗口以及自适应选择最佳阉值的特点.计算机仿真实验证实,该方法不仅在改善信噪比(SNR)和最小均方误差(MSE)上明显优于传统的中值滤波、均值滤波、小波硬阈值、软阈值等方法,而且能较好地保护图像细节.     

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,简单的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。这两种算法是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。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

基于小波变换的图像去噪方法

针对图像中存在的高斯噪声、椒盐噪声和二者混合噪声,提出了一种基于小波变换的图像去噪方法。为进一步提高图像去噪质量,采用Bayes Shrink和中值滤波相结合的方法,对其的不同去噪顺序进行实验,并与中值滤波、Bayes Shrink方法相比较。实验结果表明,先进行Bayes Shrink再进行中值滤波的方法要优于其他方法,去噪效果较好。在图像去噪处理中该种方法具有实际应用价值。     

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．     

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。     

基于灰色关联度的图像混合噪声的自适应滤波算法

利用中值滤波和灰色关联度的特点,提出基于中值滤波和灰色关联度相结合的混合噪声图像滤波算法.算法选取加窗混合噪声图像的中值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到结果.实验结果表明,该算法有较好的自适应性,不但能够有效去除含有高斯噪声和脉冲噪声的图像噪声,而且能较好地保护图像的细节信息,提高图像的去噪效果和清晰度.     

基于人眼视觉特性的混合滤波算法

为了有效地滤除混合噪声,本文提出了一种基于人眼视觉特性的混合滤波算法。该方法首先采用基于人眼视觉特性的噪声敏感系数作为阈值来确定脉冲噪声点,对检测出脉冲噪声点采用自适应窗口大小的迭代中值滤波进行滤波,而对于含有高斯噪声的像素点则采用一种保护细节的改进的自适应模糊滤波器进行处理。该算法与标准滤波方法及其它改进混合滤波算法相比,具有更好的滤波性能。     

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法.该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式.实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性.     

去除椒盐噪声的非对称有向窗加权均值滤波

针对传统滤波对称窗口在图像边缘处会引入干扰像素引起图像模糊的问题,提出一种非对称有向窗加权均值滤波算法.首先,基于区域极值进行噪声检测;其次,在对称有向窗的基础上提出非对称有向窗的概念,对于噪声点,通过标准差最小的原则自适应选择非对称有向滤波窗口;然后,在选择的非对称有向滤波窗口内对噪声点进行自适应基于距离倒数的加权均...     

Switching degenerate diffusion PDE filter based on impulselike probability for universal impulse noise removal

In this paper, a switching degenerate diffusion partial differential equation filter (SDDPDE) is developed by introducing the switching operators for reducing all kinds of impulse noise, and especially for images having a mixture of salt-and-pepper impulse noise and random-valued impulse noise which is a shortage for most of the existing filtering models. Our SDDPDE consists of the coarse and fine filtering stages. In the coarse filtering stages, the switching operator depends on a simple noise detector. In the fine filtering stages, we introduce the notion of impulselike probability, and the switching operator depends on both a simple noise detector and impulselike probability. Our SDDPDE will denoise noise pixels detected by the coarse detector while further modify the so-called noise-free pixels according to impulselike probability. The main advantages of our SDDPDE over published approaches are its simplicity and universality. In addition, we demonstrate the performance of our SDDPDE via application to three standard test images, corrupted by salt-and-pepper impulse noise, random-valued impulse noise and mixed impulse noise with high-noise levels, and the comparison with the other well-known filters. Experimental results show that our SDDPDE achieves high peak signal-to-noise ratio and better visual effect.     

基于高概率椒盐噪声的模糊滤波器在图像恢复中的算法设计

高概率椒盐噪声对数字图像的重度污染大量存在,如要消除信息少且噪点集中的噪声存在诸多困难;而低概率椒盐噪声对数字图像的轻度污染虽然可完全滤除,但在实际图像恢复中又缺少普遍意义.本文基于灰度值空间的模糊划分和描述灰度水平的模糊数,采用极值法对高概率噪声实施检测并建立恰当滤波窗口,应用广义重心去模糊化法和非噪声点对应的隶属函数设计一种新模糊滤波器.最后,通过仿真实例获得该滤波器可有效地过滤数字图像中高概率椒盐噪声,并说明它的去噪性能优于其他常见滤波器.     

基于不确定性信息融合的高密度椒盐噪声降噪方法

为解决高密度椒盐噪声滤除与细节保护之间的矛盾,提出一种基于不确定性信息融合的中智灰滤波算法.该算法包括两个阶段:噪声检测和噪声恢复.在检测阶段,为提高噪声检测准确率,首先利用Max-Min算法进行初测,然后利用极值压缩灰色关联度与顺序不确定性的融合信息进行二次判断.在噪声恢复阶段,为充分利用像素本身的不确定性及邻域像素的灰色关联性,将中智不确定性和极值压缩灰色关联度的乘积作为相似性度量特征,设计了中智灰自适应权重函数.实验表明,针对不同图像,二次噪声检测方案的噪声剔除率可达0.1%~8.8%;该中智灰滤波算法在抑制椒盐噪声的同时能较好地保护图像边缘信息,特别是在高噪声(70%~90%)情况下,算法的综合性能优于现有相关算法.     

一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.