一种基于人类视觉的自适应均值滤波算法

论文提出了一种基于人类视觉系统的自适应均值滤波算法,首先根据人类视觉特性自适应确定噪声点的阈值,然后滤波窗口自适应调整大小和权值自适应计算的加权均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地去除噪声,又可以较好地保持图像细节部分。论文最后给出模拟实验和分析,结果表明该方法是有效的。     

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     

一种自适应图像去噪混合滤波方法

结合自适应中值滤波技术和自适应压缩加权均值滤波技术,提出了一种新的图像混合噪声滤波算法。算法首先对受混合噪声污染的图像利用灰度极值检测出脉冲噪声,运用自适应中值滤波滤除脉冲噪声;其次对处理结果进行自适应压缩的加权均值滤波。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。     

一种气象卫星数据脉冲噪声滤除方法

气象卫星数据在采集或者传输的过程中,往往会引入不同程度的脉冲噪声。为提高图像质量,滤除噪音,进行可信度分析,提出了一种三阶段气象卫星数据脉冲噪声检测和滤除方法。在算法第一阶段,利用均值与均方差比值差值序列建立排序检测器(ROD),检测出图像中所有可能的脉冲噪声点;第二阶段,采用逐点滑动N×N窗口,按照每个可能的脉冲噪声点在不同的滑动窗口被重复检测到的次数,建立噪声可信度。第三阶段,对高噪声点进行滤波;对低噪声点迭代排序检测,如果可识别有噪声点,再进行滤波。结果表明,算法可以准确检测和滤除脉冲噪声,并保持数据中非噪声点信息。     

用于图像处理的自适应均值滤波算法

针对标准均值滤波存在的问题,提出自适应均值滤波算法。算法首先计算窗口的四阶累积量和二阶中心矩并确定噪声点阈值;然后根据窗口内噪声点个数自适应调整滤波窗口,自适应计算权值;最后对噪声点逐点滤波。该方法既能有效去除图像噪声点,又能较好保持图像细节。论文最后给出实验和分析,结果表明该方法是有效的。     

一种利用人眼视觉特性的B样条中值滤波研究

论文提出了一种新的利用人眼视觉特性的B样条中值滤波,该技术充分考虑了利用人眼视觉特性确定噪声点,根据窗口内噪声点个数自适应选择合适的滤波窗口大小,采用B样条函数和中值滤波方法对噪声点进行逐点滤除。论文最后给出模拟实验和分析,结果表明该技术是有效的,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。     

一种基于脉冲噪声检测的图像去噪方法

针对标准中值滤波在去除强噪声时存在的不足,提出一种改进的去噪方法.该方法通过多尺度窗口对图像脉冲噪声进行检测,其中判断噪声点的阈值可由图像中不同区域的灰度值自适应地调整,然后根据检测结果进行选择性滤波.该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节,尤其在强噪声情况下的效果更为明显.最后给出了滤波实验的仿真结果,说明了该方法的有效性.     

基于人类视觉的B样条滤波算法

提出了一种基于人类视觉系统的B样条滤波算法,首先根据人类视觉特性确定噪声点,然后根据3×3窗口内噪声点个数自适应调整滤波窗口大小,最后采用B样条函数和中值滤波方法对噪声点进行逐点滤除.该方法既能有效地去除噪声,又能较好地保持图像细节部分.最后给出模拟实验和分析,结果表明该方法是有效的,较标准均值滤波和中值滤波具有更好的滤波性能.     

一种新的利用人眼视觉特性去噪方法的研究

提出一种新的利用人眼视觉特性去噪方法,该方法充分考虑利用人眼视觉特性确定噪声点,根据窗口内噪声点个数自适应选择合适的滤波窗口大小,采用B样条函数和中值滤波方法对噪声点进行逐点滤除。论文最后给出模拟实验和分析,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。     

一种强高斯噪声的图像滤波方法

针对图像中高方差的强高斯噪声特点，提出了一种图像噪声联合滤波的新方法。算法将受强高斯噪声污染的图像分为强噪声点集和弱噪声点集两部分，首先通过邻域像素强度值的变化特征，定位强噪声像素点，并采用改进的自适应均值滤波方法滤除，然后基于简化的脉冲耦合神经网络（PCNN）平滑弱噪声点像素。经实验结果验证，与已有的其他滤波方法相比，该算法在较好地滤除噪声的同时，具有良好的图像边缘保护和自适应能力。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

An adaptive median filter algorithm based on B-spline function

According to the B-spline convolution mask, first, the contrast sensitiveness (CS) is computed and then is viewed as a noise sensitiveness coeficient (NSC) to adaptively determine a noise-recognized threshold value. Based on the noise density function (NDF) in a 3×3 window, the filtering window size is adaptively adjusted, and then a median filter is used to eliminate the noise-marked pixels. The experiment results show that the proposed algorithm can preserve image detail information well and effectively remove the noises, particularly the impulse noises that is also called salt-and-pepper noises superimposed on the computed tomography (CT) and magnetic resonance imaging (MRI) medical images.     

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。     

基于相似性噪声检测的边缘保护滤波算法

为了改善受脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。该算法包括3个阶段,首先,利用像素点之间的相似性来检测图像中受噪声污染的像素点;然后,将滤波窗口分为8个主要方向来确定边缘方向;最后,针对噪声点进行边缘保护滤波。实验结果表明,在噪声污染度较小的情况下,该算法不仅能准确地检测出噪声点,而且更多地保护了噪声图像的边缘部分以及非噪声点,具有良好的滤波效果。     

利用几何结构检测去除图像中的随机值脉冲噪声

尽管中值滤波以及各种改进方法是去除图像中随机值脉冲噪声的有效方法,然而,大多数去噪方法存在门限值选取困难和对图像边缘纹理结构过平滑的缺点。针对这一问题,提出了一种基于几何结构的用于检测和去除随机值脉冲噪声的新方法。该方法首先利用图像的直方图分布来估计脉冲噪声的噪声率;然后进一步基于噪声率和细节图像的直方图分布,自适应地确定两个分类门限;最后利用两个门限,将细节图像中的像素分成‘未被污染点’、‘待定点’和‘噪声点’。其中‘待定点’主要由边缘和纹理区像素和噪声像素构成,为区分其属性,还引入了几何结构检测方法。基于各像素点的类型,细节图像被用于修正中值滤波的结果。实验结果表明,该新方法在去除脉冲噪声的同时,还很好地保留了图像的边缘结构。与已有的方法相比,具有明显的优势。     

改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.