基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声.但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果.针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息.实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

用于图像处理的自适应中值滤波

针对标准中值滤波方法存在的不足,提出自适应中值滤波方法．该方法通过噪声检测确定子图像中的脉冲噪声点及噪声干扰大小,根据噪声干扰程度选择滤波窗口的尺寸,并采用改进的中值滤波方法对检测出的噪声点进行滤波．计算机模拟实验结果表明：自适应中值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波具有更优良的滤波性能,其滤波速度也较中值滤波具有明显优势．     

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

一种基于动态阈值的自适应中值滤波方法

针对图像受到电磁干扰带来的脉冲噪声,对自适应中值滤波方法进行改进。在去除噪声的过程中为了更好地将信号和噪声进行区分开,引入噪声点的预判机制。为满足改进算法对自适应中值滤波半径和窗口的变化的适应．采用自适应动态阈值。通过与SMF、RAMF等方法的比较实验表明,该算法具有较高的峰值信噪比和边缘保持性能。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

基于上下中值型噪声检测的自适应中值滤波器

基于噪声检测的中值滤器已广泛用于消除图像中的脉冲噪声。然而,在高噪声密度情况下,过多的像素被错误地分类,这个缺陷将会对图像滤波产生负面影响,为了克服这个缺陷,提出了一种上下中值型噪声检测器。基于这种噪声检测方法,又提出了一种自适应中值滤波算法。实验结果显示,该算法能够有效地消除脉冲噪声,并且保留了原始图像的更多细节。     

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。     

基于局部能量的改进开关中值滤波

针对脉冲噪声感染的图像,借鉴开关滤波的思想,提出了一种新的改进算法。该算法通过分析Max-min噪声检测算子的图像灰度局部极值点的误判缺陷,在极值检测的基础上,增加了由局部能量信息为判别依据的第二级噪声检测过程,实现了对噪声的精确检测。同时,在去除噪声时只利用信号点参与中值滤波,并让噪声点逐步转化为信号点,减少了噪声在邻域的传播。实验表明,该算法对脉冲噪声具有很好的噪声滤除和细节保护能力,与传统中值滤波及其他开关滤波算法相比,该算法具有更优的滤波性能,即使是在噪声密度较高的情况下,也能取得令人满意的效果。     

基于中值和多尺度的组合优化滤波器

考虑到一般机器人视觉导航滤波算法的通用性和有效性比较差的缺点,结合中值滤波器和多尺度自适应融合滤波器这两种算法的优点,提出一种基于中值和多尺度的组合优化滤波器。算法首先应用中值滤波,然后进行多尺度滤波处理,最后根据最小平均绝对误差准则,将滤波后结果进行融合处理。实验结果表明：该算法能很好地滤除机器人道路图像各种常见的噪声,从而提高算法的有效性和通用性。     

一种基于混沌的自适应粒子群全局优化方法

充分利用粒子群优化算法的收敛速度较快及混沌运动的遍历性、随机性以及对初值的敏感性等特性,考虑到惯性因子对多样性的影响,通过引入早熟收敛程度评价机制,采用逻辑自映射函数来产生混沌序列,提出一种基于混沌思想的自适应混沌粒子群优化（ACPSO）算法,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。仿真结果表明提出的自适应混沌粒子群优化算法的性能明显优于一般混沌粒子群优化算法。     

基于模糊推理的多窗口中央值滤波器设计方法

提出了一种基于模糊推理用于去除图像椒盐噪声的中央值滤波器的新型设计方法,在图像复原处理中,理想的期望是对图像被劣化的部分处理,没有被劣化的部分不作处理,但实际图像处理中处理点是否为噪声点具有模糊性.利用模糊推理对处理点像素多大程度上属于劣质像素进行推定,并且多个模糊滤波器联合使用,处理结果证明对广范围噪声发生率的各种被椒盐噪声劣化的图像复原处理都适用.     

保护细节的开关自适应矢量中值滤波器

提出了基于噪声检测的开关矢量中值滤波,在噪声检测阶段根据噪声的定义将标量检测和矢量检测结合在一起,有效地提高噪声检测的准确性;由于采用开关矢量滤波,滤波过程只对在标量预检测中被检测出的噪声像素进行,可大大减少计算量并能较好地保持图像的细节和边缘,而且在滤波过程中不会出现新的颜色。     

一种基于自适应的新型中值滤波算法

提出了一种新的自适应中值滤波算法,首先使用3×3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3×3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。该方法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。通过对实验结果进一步分析,该方法比均值滤波和中值滤波的性能更加优化,在椒盐噪声大小相同的情况下,PSNR值提高了9.4~12.7。评价结果与目视效果吻合良好,为图像去除噪声提供了一个新的途径。