基于改进中值滤波的图像去噪算法

中值滤波算法是一种常见的图像去噪算法,其性能受滤波器窗口大小的影响较大,因此提出一种能够根据噪声点自动调节滤波窗口大小的改进中值滤波算法,可以有效克服中值滤波不能调整窗口大小的缺点,避免图像边缘模糊。通过利用Matlab进行仿真实验,将所提算法与中值滤波和维纳滤波算法进行对比,并计算峰值信噪比（Peak Signal to Noise Ratio,PSNR）来分析去噪结果。实验表明,与中值滤波和维纳滤波相比,改进中值滤波算法能够更加快速准确地去除图像中的噪声。因此,该改进中值滤波算法是一种有效的图像去噪算法。     

基于小波域高斯混合模型与中值滤波的图像去噪研究

分析了基于高斯混合模型的小波去噪方法,并结合中值滤波提出一种新的图像去噪方法。仿真实验表明,将两种方法结合起来用于含混合噪声的图像去噪,比单独使用中值滤波或小波去噪的效果更好。     

一种基于边缘检测的改进的中值滤波去噪方法

中值滤波是一种去除椒盐噪声的有效算法,在现实生活中应用相当广泛。传统的中值滤波在去噪的同时很容易丢失图像的边缘信息。本文提出一种基于边缘检测的改进的中值滤波去噪算法。它先将含噪图像的边缘信息检测出来,然后将边缘信息保存下来,再对原含噪图像用中值滤波进行图像去噪,然后对于保存下来的边缘信息用小模板进行去噪,再用该小模板去噪后的边缘信息区替换中值滤波后的边缘信息。最后通过实验验证,此去噪算法可以在去噪的同时更好地保护图像的边缘信息。     

基于多级中值滤波的小波去噪方法

经典图像去噪方法中,多级中值滤波有良好的保护细节的特性,近年来在小波域中对信号的处理,能使噪声抑制更加有效。结合两者的特点,提出了基于多级中值滤波的改进算法,利用最大最小中值之差判断平坦及边缘区域,实现了在小波域中平滑噪声的同时还可以保护图像细节不受损失。实验表明该方法与Donoho的软门限方法相比较,可以得到更好的去噪效果。     

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

一种基于中值滤波的图像去噪算法

由于图像噪声会对后续的图像处理结果产生影响,所以在对图像进行其他处理前应先对图像去噪。针对传统中值滤波器在去除均匀分布椒盐噪声时效果并不理想,设计出一种自适应阈值中值滤波器。分别用两种滤波器进行图像去噪实验,通过对比去噪后图像的信噪比、峰值信噪比以及视觉效果发现:较之传统的中值滤波器,新的自适应中值滤波器能更有效地去除椒盐噪声并减少图像失真。     

改进的中值滤波去噪算法应用分析

去噪处理是图像处理中较为重要的环节。中值滤波是抑制图像的噪声的一个行之有效的办法,选择适当大小的中值滤波窗口可以在最大限度地保持图像精度的基础上去除图像噪声。在对中值滤波去噪算法的适用性特点进行研究的基础上,进一步做了中值滤波去噪的改进算法的应用实现研究,同时对其他去噪算法,如均值滤波、低通滤波的小波变换进行实验分析研究,并对实验结果做了相应的比较。     

改进的中值滤波图像去噪方法研究

为了有效的去除图像中的脉冲噪声,提出了一种新的噪声检测与噪声去除的方法,它在充分分析了噪声的分布特性的基础上,对图像中的噪声及图像的细节进行多方向检测,进而有效的分辨出噪声像素点与非噪声像素点.同时在传统的中值滤波的基础上结合邻域均值加权的思想对检测到的图像噪声点进行处理.在Matlab上的实验结果表明,该方法能有效地检测出噪声点,同时也在一定程度上较好的保存了图像的边缘信息.     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值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均值滤波算法，而对受椒盐噪声污染的像素则采用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。     

基于噪声检测的激光光斑图像去噪方法

基于受污染图像的噪声检测,提出了一种有效的椒盐噪声图像混合滤波算法。首先利用可自适应变化的矢量窗口检测噪声,并对检测到的噪声进行分类,然后采用所提出的伪加权中值滤波和伪加权均值滤波两种算法对图像进行混合滤波,最后加入背景阈值和孤立噪点修正量对滤波后的图像进行灰度修正。提出的方法对不同椒盐噪声强度下的激光光斑图像均体现出优异的滤波性能,去噪和边缘保持性能得到了较大提高,优于传统的中值滤波、均值滤波及其一些改进算法。     

A salt and pepper noise image denoising method based on the generative classification

In this paper, an image denoising algorithm is proposed for salt and pepper noise. First, a generative model is built on a patch as a basic unit and then the algorithm locates the image noise within that patch in order to better describe the patch and obtain better subsequent clustering. Second, the algorithm classifies patches using a generative clustering method, which provides additional similarity information for noise repairing, suppresses the interference of noise and abandons those classes that consist of a smaller number of patches. Finally, the algorithm builds a non-local switching filter to remove the salt and pepper noise. Simulation results show that the proposed algorithm effectively denoises salt and pepper noise of various densities. It obtains a better visual quality and higher peak signal-to-noise ratio score than several state-of-the-art algorithms. In short, our algorithm uses a noisy patch as the basic unit, a patch clustering method to optimize the repair data set as well as obtains a better denoising effect, and provides a guideline for future denoising and repair methods.

     

基于噪声方差估计的伪造图像盲检测方法

针对不同来源合成伪造数字图像提出了一种盲检测方法,不同数字图像背景噪声存在差异,因而伪造图像区域噪声方差不同。从待测图像小波分解后的高频子带中去除相应边缘区域的高频干扰,改进了噪声方差估计算法,并对所得噪声图像进行分块处理估计每一个分块的噪声方差,将方差相近的块进行融合,最后比较图像中纹理接近的同质区域,找出方差异常的位置。通过实验研究了方差估计精度,对不同来源的伪造图像进行了检测,结果表明算法提高了图像噪声方差的估计精度,在图像纹理接近的同质区域中可以定位图像的伪造区域。     

一种改进的PDE图像去噪方法

研究用于图像去噪的偏微分方程;在理论上对去噪原理进行了分析。通过对扩散方程中扩散系数的改进,提出了一个对噪声图像更有效、更具有适应性的去噪扩散模型,对高斯噪声图像进行处理。与传统的各向异性扩散算法进行了比较并对偏微分方程的未来发展方向进行了展望。实验结果表明,该方法在有效去除噪声的同时较好地保留了图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除图像噪声,提高图像的质量。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

基于光源颜色和噪声的图像拼接篡改检测方法

数字图像拼接篡改是一种常见的图像伪造手段.在图像取证中,检测拼接伪造仍然是一项艰巨的任务.现有的拼接伪造检测方法多根据一种图像特性的不一致检测并定位篡改区域,而实际拼接篡改伪造往往会造成多种图像特性的改变.针对现有单一特征提取不能充分反映拼接图像特性导致检测精确率低的问题,提出一种通过提取光源颜色和噪声的混合特征来定位...     

改进的LIP偏微分方程图像去噪方法

针对对数图像处理-全变分(LIP_TV)去噪模型存在的不足,提出一种改进的LIP偏微分方程去噪方法。首先基于LIP数学理论,在LIP梯度算子中,引入四方向导数信息,得到改进的LIP梯度算子以全面客观地度量图像信息,更好地控制扩散过程。然后利用人类视觉系统的结构化特性,用噪声可见度函数构造新的保真项系数,进一步保持了图像的边缘细节并避免了人为估计噪声水平。理论分析和实验结果表明,该改进方法能够更好地去除噪声和保持图像边缘细节特征,在视觉效果和客观评价指标上都明显优于LIP_TV方法。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。     

一种改进的基于分形编码的图像去噪方法

分形编码去噪是一种新型的图像去噪方法,此方法通过估计噪声方差及其原始无噪声图像的分形编码参数进行图像去噪,去噪与压缩同时进行。利用分形解码图像分辨率独立的特点进一步对其存在的块效应进行了改进,实验结果表明,经过改进后的分形编码去噪方法在峰值信噪比、压缩比和视觉效果上都达到了令人满意的效果。