基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节。矢量中值滤波方法在彩色图像滤波中使用广泛。为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足,提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法。该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波。实验结果表明,该算法实现简单,运算量小。滤波过程中能在抑制噪声的同时很好地保留原图像信息。利用滤波器叠加,取得了较好的滤波效果。     

强椒盐噪声彩色图像的改进矢量中值滤波算法

去除彩色图像噪声一直是图像预处理研究的重要内容。传统的矢量中值滤波是一种有效去除彩色图像椒盐噪声的方法,但传统的矢量中值滤波方法只适用于弱噪声的情况,对于强椒盐噪声并不适用。许多改进的矢量中值滤波被提出,但对强椒盐噪声图像效果并不好。文章在传统的矢量中值滤波的基础上,提出了改进的矢量中值滤波算法,该算法可以有效去除高强度椒盐噪声,不会产生新的颜色,很好地保持了图像边缘和细节,而且具有算法简单,自适应性强的特点。经过实验表明:该方法对于强度在10%～80%的椒盐噪声彩色图像具有良好的处理效果。     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节.矢量中值滤波方法在彩色图像滤波中使用广泛.为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足, 提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法.该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波.实验结果表明,该算法实现简单,运算量小.滤波过程中能在抑制噪声的同时很好地保留原图像信息.利用滤波器叠加,取得了较好的滤波效果.     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

一种新的彩色图像脉冲噪声滤波算法

针对嵌入式机器视觉应用系统对滤波处理算法的实际要求,提出一种改进的彩色图像矢量中值滤波算法。综合应用灰色关联分析方法和矢量中值滤波技术。首先根据灰色关联分析计算图像中各像素矢量之间相似程度来度量像素间的关联程度,即使用像素点间的灰色关联度代替常用的空间距离。其次,利用像素点间的灰色关联程度在算法中增加了噪声检测环节。通过进行对比实验,基于灰色关联分析的彩色图像滤波算法可以快速、有效地滤除图像中的脉冲噪声,对图像中边缘细节的保护效果要好于其他算法,而在计算效率方面更远高于其他算法。     

一步异相关与最相关矢量的彩色图像滤波方法

针对彩色图像去噪后造成的模糊与细节不清,分析了彩色图像中邻近像素点之间以及各颜色通道之间的相关性,先对彩色图像各层预处理再利用一步异相关法检测,然后对检测出的噪声应用最相关矢量中值予以补值,最终实现彩色图像的滤波处理。实验结果表明,该方法不但能够准确地检测出椒盐噪声,而且能很好地保持和还原彩色图像的边缘细节等原有信息,彩色图像滤波后的精度和峰值信噪比等性能指标有了进一步提高。     

基于HSI彩色空间模型的域替换降噪算法

对彩色数字图像进行降噪处理时,为兼顾标量处理法的简便性和矢量处理法的有效性,提出一种对彩色空间域实行替换的方法。采用均值滤波法在RGB域内进行滤波处理,将图像数据从RGB域转换到HSI域,用滤波处理后的H域、S域替换含有噪声的H域、 S域。对由双目内窥镜采集的实际彩色图像进行实验,结果证明该域替换法可以结合标量处理和矢量处理的优点,达到比一般标量处理法及简单矢量处理法更好的降噪效果。     

基于噪声特征和矢量中值滤波的彩色图像去噪算法

为了有效去除彩色图像噪声,同时保留图像细节信息,并提高处理速度,在分析彩色图像噪声特征的基础上,探索了基于噪声点的距离测度特性的判别算法,并结合改进的矢量中值滤波(VMF)算法对检测出的噪声点予以降噪处理.试验结果表明:该方法能够较好地抑制噪声,有效地保留了图像细节信息,且所用时间仅为传统矢量中值滤波算法的1/2左右.     

彩色图像迭代自适应滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一种迭代自适应滤波算法。对于彩色图像的每个通道,分别运用脉冲噪声检测器,估计出噪声像素点,应用后续迭代自适应滤波算法,只对每个通道中检测出来的噪声像素点进行滤波,而对非噪声像素点保持其值不变。实验结果证明,该滤波算法滤除脉冲噪声的能力优于传统的矢量滤波算法,并且更能有效地保留图像的边缘和细节。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

一种彩色图像滤波的改进矢量中值滤波算法

通过分析彩色图像滤波的一般方法，提出了一种基于矢量中值滤波的改进算法。该算法融合了线性均值滤波和非线性矢量中值滤波两种方法，大大降低了运算复杂度，同时对脉冲噪声和高斯噪声有好的抑制作用，能有效地保护图像的边缘信息，滤波后不会出现新的颜色。另外本算法的运算复杂度随着滑动窗的增大而缓慢增加，使其能够达到滤波效果和运算复杂度的有效平衡。     

Color differences based fuzzy filter for extremely corrupted color images

In this paper, a color difference based fuzzy filter is presented for fix and random-valued impulse noise. Noise detection scheme of two stages was applied to detect noise efficiently whereas for noise removal an improved Histogram based Fuzzy Color Filter (HFC) is presented. Pixels detected as noisy by the noise detection scheme are deliberated as candidate for the removal of noise. Candidate noisy pixels are then processed using a modified Histogram based Fuzzy Color Filter to estimate their non-noisy values. The idea of using multiple fuzzy membership functions is presented, so that best suitable membership function for local image statistics can be used automatically. In the proposed technique we have used three different types of fuzzy membership functions (bell-shaped, trapezoidal-shaped, and triangular-shaped) and their fuzzy number construction algorithms are proposed. Experimentation is also performed with three, five, and seven membership functions. Type and number of suitable fuzzy membership functions are then identified to remove noise. Comparison with the existing filtering techniques is established on the basis of objective quantitative measures including structural similarity index measure (SSIM) and peak-signal-to-noise-ratio (PSNR). Simulations show that this filter is superior to that of the existing state-of-the-art filtering techniques in removing fix and random-valued impulse noise whereas retaining the details of the image contents.     

基于四元数旋转的开关型矢量中值滤波器

矢量中值滤波器是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的冲击噪声。然而VMF没有区分细线条和噪声的能力,它往往把细线条当成噪声而过滤掉。本文利用四元数旋转理论,模仿Laplacian算子,提出一种用于检测彩色图像中的冲击噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器。实验结果表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的及最近开发的矢量滤波器。     

组件树理论和方法研究综述

组件树方法是数学形态学理论及方法的进一步发展，它利用一系列阈值截集产生连通分量，构造其上的层次关系。利用组件树方法发展出的一系列高效的图像处理算法，非常适合图像底层特征的快速提取，在广大的领域，尤其是医学图像处理领域，得到了广泛的应用。对组件树方法的发展和现状进行了系统的回顾，概述了现存的组件树建树算法以及基于组件树的图像处理算法。对组件树在多值（彩色）图像相关领域、树的快速构建、并行化处理算法方面的研究进行了展望。     

Hierarchical Color Quantization Based on Self-organization

In this paper, a new hierarchical color quantization method based on self-organizing maps that provides different levels of quantization is presented. Color quantization (CQ) is a typical image processing task, which consists of selecting a small number of code vectors from a set of available colors to represent a high color resolution image with minimum perceptual distortion. Several techniques have been proposed for CQ based on splitting algorithms or cluster analysis. Artificial neural networks and, more concretely, self-organizing models have been usually utilized for this purpose. The self-organizing map (SOM) is one of the most useful algorithms for color image quantization. However, it has some difficulties related to its fixed network architecture and the lack of representation of hierarchical relationships among data. The growing hierarchical SOM (GHSOM) tries to face these problems derived from the SOM model. The architecture of the GHSOM is established during the unsupervised learning process according to the input data. Furthermore, the proposed color quantizer allows the evaluation of different color quantization rates under different codebook sizes, according to the number of levels of the generated neural hierarchy. The experimental results show the good performance of this approach compared to other quantizers based on self-organization.     

利用颜色进行模式分类与图象检索的方法及应用

本文论述了利用颜色进行模式分类与图象检索的基本概念和一般方法。颜色是图象的一个重要视觉特征。用计算机描述和处理图象颜色首先要选择合适的颜色空间（模型），并提取图像的主要颜色特征。彩色图象模式分类可分三个级别：象素级，区域级及图象级，图象检索主要利用颜色的直方图特征及其各种距离度量来实现。     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。