共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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。 相似文献
3.
4.
5.
6.
针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整. 相似文献
7.
医学图像中往往有很多与脉冲噪声灰度相同的像素,因此含脉冲噪声的医学图像的恢复非常困难。为了获得比现有的脉冲噪声滤波器更好的噪声抑制和纹理结构保持效果,提出了一种双迭代等距均值滤波(dual iterative equidistant mean filter,DIEMF)的医学图像恢复方法。该方法采用等距离邻域进行噪声检测和去除;噪声检测器循环地利用邻域的非最值像素与中心像素之间的平均绝对差,以及利用多数原则,将噪声像素与无噪像素区分开来;噪声去除采用自适应和双迭代的方法,以等距邻域中无噪像素和先前恢复像素的平均值作为中心噪声像素的灰度估计值,充分利用最近的先前恢复的像素。实验结果表明,该方法在噪声抑制和纹理结构保持方面优于现有的方法,特别是对于低密度噪声,它比现有的滤波器具有显著的优越性。 相似文献
8.
9.
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。 相似文献
10.
11.
一种基于极值的自适应均值滤波算法 总被引:1,自引:0,他引:1
图像增强过程中,如何在去除噪声的同时尽可能保留图像边缘细节非常重要.提出了一种基于极值的自适应均值滤波算法,该算法根据图像中某点的灰度值是否为邻域灰度极值将全部像素分为可疑噪声与信号两类,然后对可疑噪声点采用包括四个一维窗口和一个二维窗口在内的不同方向的五个子窗口分别计算均值,按照各个子窗口的均方差大小,自动选择窗口进行滤波,明显降低了普通均值滤波算法造成的模糊程度,使被误判的边缘像素点得到最大限度的保护.实验证明,该算法能在去除噪声的同时较好地保留边缘等细节信息,降低了图像处理后的模糊化程度,优于经典的邻域平均算法. 相似文献
12.
采用一种新的滤波方法去除图像噪声 总被引:3,自引:2,他引:1
提出了一种新的滤波方法,使用适当窗口在图像上滑动,计算该窗口中心像素的块均匀度,并与整幅图像的块均匀度比较,自适应地确定窗口中心像素是否为噪声点;然后统计该窗口中噪声点的个数,自适应地调整滤波窗口大小,最后自适应地计算权值,并采用改进的加权中值滤波方法对噪声点进行逐点滤波.模拟实验和分析结果表明该方法是有效的,既能有效地去除图像噪声点,又能较好地保持图像细节部分,为去除图像中的噪声提供了一种新的方法. 相似文献
13.
对磁共振成像图像的去噪声处理是医学图像预处理中的重要环节。为了克服均值滤波算法不能兼顾去噪和保持图像边缘细节的不足,提出了改进邻域平均法。先根据相似者相容的原理得到待像素与各模板的关系,从而判断该像素是否为孤立噪声点。然后对孤立噪声点用灰度相近T邻域平均法进行处理,并对非孤立噪声点采用加权平滑模板进行处理。实验结果表明,该算法在去除噪声的同时,还保留了图像的边缘和细节。 相似文献
14.
基于灰色关联度的图像混合噪声的自适应滤波算法 总被引:1,自引:1,他引:0
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. 相似文献
15.
采用背景提取和自适应滤波的视频降噪算法 总被引:1,自引:0,他引:1
针对监控视频图像背景固定的特点,提出一种有效去除高斯噪声和脉冲噪声的降噪算法.首先通过分析噪声设计一种提取视频序列背景图像的算法,然后对运动区域采用自适应像素域滤波算法来进行处理.该算法根据最小可觉差和视频图像特征自适应地选择谐波均值滤波、加权算术平均滤波、α-截尾均值滤波和中值滤波.为评估降噪算法性能,将降噪处理前后的视频序列分别进行MPEG-2编码,并改变目标码率对比视频质量.实验结果显示:降噪处理后的视频能够用更少的(约50%)比特数获得相同的主、客观视频质量;或者用相同的比特数获得更高的视频质量. 相似文献
16.
17.
18.
19.
针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。 相似文献