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。     

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.     

基于图像传感器的图像画质增强算法研究

针对图像在传输过程中易引入噪声、色彩质量下降、中值滤波导致图像细节丢失和均值滤波出现模糊等问题,提出了一种可以应用于CMOS图像传感器的图像画质增强和滤波算法.该算法对插值后的Bayer图像数据进行一维空间的增强和降噪处理,首先将图像从RGB空间转换到YUV空间,在Y通道上用改进的直方图均衡化方法实现图像明暗程度的对比度增强调节,对U、V通道采用分段式线性调节方法实现饱和度调节;然后对Y通道进行自适应降噪,对U、V通道进行加权中值滤波降噪,以满足后续处理对图像质量的要求;最后在Y通道上,采用基于Laplace算子的锐化掩模进行锐化处理,保证图像的细节清晰可见.实验结果表明:从图像视觉效果来看,相比单独使用中值和均值滤波,所提出的自适应滤波得到的效果更好,图像细节保存较好、模糊程度低、图像更为清晰,且色彩质量更高.通过对比峰值信噪比(PSNR),对混合噪声进行处理时,该滤波算法的PSNR优于中值和均值滤波,有效地抑制了噪声.整个算法在一维邻域空间进行,更容易在有限的硬件上实现较好的图像处理结果,满足小面积低功耗的要求.     

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.     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

数字图像中混合噪声的滤波

中值滤波法主要用来抑制椒盐噪声,均值滤波法主要用来抑制高斯噪声.当数字图像中即有椒盐噪声又有高斯噪声时,两种方法均无法达到令人满意的效果.提出了一种混合噪声的滤波方法.首先通过设定阈值,将椒盐噪声和高斯噪声加以区分.然后先对椒盐噪声使用改进了的中值滤波方法进行滤波,之后使用近邻域均值滤波法对高斯噪声进行滤波.仿真结果表明,文中提出的混合去噪声算法计算简单,对数字图像中存在的混合噪声有较好的滤波效果.     

基于相关度量的高椒盐噪声软阈值直方图滤波算法

利用图像邻域相关和直方图对椒盐噪声的鲁棒性,提出了一种针对高椒盐噪声图像的软阈值直方图加权滤波算法.对邻域灰度相关进行了量化分析,定义了灰度相关函数作为信号邻域相关性的度量,并将该系数作为直方图加权滤波算法的软阈值,根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失.仿真结果表明,对于高椒盐噪声图像,本算法在椒盐噪声滤除方面有良好的表现.     

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.     

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.     

A new efficient approach for the removal of impulse noise fromhighly corrupted images

A new framework for removing impulse noise from images is presented in which the nature of the filtering operation is conditioned on a state variable defined as the output of a classifier that operates on the differences between the input pixel and the remaining rank-ordered pixels in a sliding window. As part of this framework, several algorithms are examined, each of which is applicable to fixed and random-valued impulse noise models. First, a simple two-state approach is described in which the algorithm switches between the output of an identity filter and a rank-ordered mean (ROM) filter. The technique achieves an excellent tradeoff between noise suppression and detail preservation with little increase in computational complexity over the simple median filter. For a small additional cost in memory, this simple strategy is easily generalized into a multistate approach using weighted combinations of the identity and ROM filter in which the weighting coefficients can be optimized using image training data. Extensive simulations indicate that these methods perform significantly better in terms of noise suppression and detail preservation than a number of existing nonlinear techniques with as much as 40% impulse noise corruption. Moreover, the method can effectively restore images corrupted with Gaussian noise and mixed Gaussian and impulse noise. Finally, the method is shown to be extremely robust with respect to the training data and the percentage of impulse noise.     

基于噪声分离和小波阈值自适应图像去噪算法

针对VisuShrink小波阈值滤波算法的不足和混合噪声的情况,提出了一种基于噪声分离和尺度的自适应混合图像去噪算法.算法首先通过极值检测分离脉冲噪声和高斯噪声,然后分别对脉冲噪声应用多窗口中值滤波及高斯噪声应用基于尺度的小波阈值滤波完成去噪.实验表明,该混合滤波算法能有效去除图像中的脉冲噪声和高斯噪声,并较好地保存了...     

一种基于新型符号函数的小波阈值图像去噪算法

在现有阈值去噪算法的基础上提出了一种基于新型符号函数的小波阈值图像去噪算法,该算法提出的新阈值函数具有连续可导、小波系数偏差小、阈值自适应性强等优势.不仅保留了分解后的低频小波系数,还有效滤除了高频系数中的噪声系数,使得重构后的图像更接近原始图像.对高斯白噪声的Bridge图像、Lena图像及含“斑点噪声”的B超Fetus图像进行仿真,实验的结果表明,无论是新阈值函数的视觉效果,还是定量指标PSNR和MSE,均优于现有的阈值图像去噪算法.其边缘及细节信息能得到较好的保护,无明显振荡,图像更平滑、均匀,且在复杂噪声背景下,该方法具有较好的顽健性.     

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。     

基于模糊技术的图像噪声消除

本文提出了一种新的滤波器——模糊检测加权均值(FDWM)滤波器.根据被污染图像的直方图的特点,利用它所反映的图像统计特性,建立模糊隶属函数,改进算法设计,并结合新的检测算法进行噪声消除.对于盐椒噪声图像,当噪声率超过30％时,FDWM的去噪效果远远优于常规方法,特别是当噪声率超过50％时,FDWM的优越性更加突出,无论其主观视觉效果还是其峰值信噪比或均方误差都表明了这一点.