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。     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

改进的变分自适应中值滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,该文提出了一种基于两阶段方法去除图像椒盐噪声的算法。首先,利用改进的自适应中值滤波算法标识出图像中被污染的像素点,然后对被污染的像素点采用变分滤波的方法进行恢复。此方法利用了自适应中值滤波良好的噪点识别能力和变分滤波的细节保护的特性,对于噪声密度高达80%的图像依然可以达到很好的恢复效果。仿真结果验证了所提出算法的有效性,并且在效果上要明显优于传统的变分自适应中值滤波算法。     

改进自适应中值滤波的图像去噪

传统自适应中值滤波的最大最小窗口尺寸固定,并且其最大最小窗口相差较大时,运算时间较长,去噪效果并小一定最佳。本文针对传统自适应中值滤波算法的不足,提出了改进自适应中值滤波算法,首先根据椒盐噪声的分布特点,从单幅含椒盐噪声图像中估算出椒盐噪声的浓度,并分析噪声浓度与自适应中值滤波窗口尺寸之间的关系,建立它们之间的函数关系一其次根据噪声浓度确定自适应中值滤波的最大最小窗口尺寸,最后对图像进行自适应中值滤波：实验结果表明本文算法运算时间随着噪声浓度的变化而变化,而且从PSNR角度来看本文去噪效果比传统自适应中值滤波效果较好。     

基于人眼视觉特性的自适应中值滤波算法

为了在滤除图像椒盐噪声的同时能很好地保持图像的细节,提出了一种基于人眼视觉特性(HVS)的自适应中值滤波算法.该方法首先采用基于HVS的噪声敏感系数作为阈值来确定噪声点,然后自适应调整滤波窗口大小,采用迭代中值滤波对噪声点进行滤波.该算法与标准中值(SM)滤波及其它改进中值滤波算法相比,具有更好的滤波性能.     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

基于先验知识的椒盐噪声动态去噪算法

椒盐噪声产生于图像的传输过程,对后续图像处理有较大的干扰。虽然中值滤波类的方法被证明对椒盐噪声有不错的处理效果,但图像中边缘信息模糊严重。为此,提出了一种基于局部像素点的值关系的椒盐噪声去噪算法,该算法先用椒盐噪声的特点对噪声点定位,然后用局部像素值之间的线性关系对图像窗口滤波。用峰值信噪比与基于开关的自适应中值滤波的对比实验结果证明,使用本文的方法不但信噪比优于对比算法,而且更好地保护了图像的边缘信息。     

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。      

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

高密度椒盐噪声图像开关自适应滤波算法

针对现有算法普遍对高密度椒盐噪声滤波不足的问题,提出一种自适应高密度椒盐噪声滤波算法。该算法首先在分析窗口中确定信号点与可能的信号点分布情况并据此进行噪声检测,然后计算出图像的噪声密度。对于低密度椒盐噪声图像采用邻域信号点均值滤波方法,对于高密度噪声图像（噪声密度大于30%）,则根据窗口中信号点的分布情况采用加权迭代滤波方法。实验结果表明,本文算法比其他算法具备更好的去噪能力,尤其在较高密度（90%）噪声情况下与其他算法相比获得的峰值信噪比（PSNR）仍高出10 dB左右。     

基于×字形窗口的自适应中值滤波算法

传统的中值滤波方法在去除脉冲噪声的同时会损失部分图像细节,且运行速度也不能很好地满足实时性要求。在此对Matlab工具箱中的中值滤波算法进行改进,提出一种基于×字形滤波窗口的自适应中值滤波算法。该方法具有根据3×3的×字形窗口中噪声点个数自适应调整滤波窗口大小及根据矩阵的对称性及基本的逻辑运算实现×字形窗口的特点。实验结果表明,与传统的方形窗口中值滤波算法相比,该方法在有效去除椒盐噪声和脉冲噪声的同时,较好地保持了图像细节,缩短了运行时间。     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其它先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤波方法相比表现出较好的PSNR和SSIM,与PSNR和SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限SAPN（99%）破坏的图像,也能够恢复有意义的图像细节。     

基于改进多级中值滤波的加权滤波算法

为了有效地抑制图像中的椒盐噪声,更好地保持图像细节,提出一种基于多级中值滤波的加权滤波算法。算法采用5×5滤波窗口,如果中心点为噪声点,则将滤波窗口划分为水平和垂直10个条形子窗口,先计算每个子窗口内所有非噪声点的均值,作为加权运算的基础值,然后求出这些基础值的中值,利用每个基础值与它们中值的差计算出每个基础值的相应权值。最后将这些基础值与对应权值进行加权运算,将结果替换中心点的像素值;如果中心点为非噪声点,则保持原值不变。实验结果表明,该算法对于高密度椒盐噪声污染的图像具有良好的去噪性能,并且较好地保持了图像的细节,效果优于传统的中值滤波算法和多级中值滤波算法。     

两种改进型中值滤波算法比较

重点介绍了综合型中值滤波算法以及一种自适应中值滤波算法．针对这两种改进型中值滤波算法,对含有高斯噪声,椒盐噪声,混合噪声以及高密度噪声图像进行去噪处理,比较综合型中值滤波算法（文中采用了十字型和交叉型）和自适应中值滤波算法对不同图像的去噪效果．     

一种高效快速的高密度椒盐噪声消除算法

本文提出了一个简单高效的消除高密度椒盐噪声的算法,在该算法中,对于图像中的每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素的平均值,并且在不同的阶段对其更新,实验结果表明,对于污染度为10％到90％的图像,本文的算法都有良好的噪声消除能力,所得到的恢复图像能够较好地保持原始图像的细节.另外,本文的算法计算时间较少,...     

一种高效去除椒盐噪声的中值滤波方法

提出了一种基于先检测、后滤波的椒盐噪声滤除算法．将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点．信号点不做任何处理,以保留更多的图像细节．而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0．然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理．实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节．在不同噪声率下均优于标准中值（SMF）滤波法及其一些改进方法,在噪声密度为10％～90％其峰值信噪比（PSNR）平均提高6dB．     

基于不同窗口形状下的CT图像中值滤波算法

CT作为医学影像工具,对CT图像的去噪声处理是医学图像预处理中的重要环节,中值滤波是传统滤波算法中对滤除椒盐噪声有较好滤波性能的方法之一,滤波窗口形状有着多样性。文中对于不同形状窗口进行了程序编写,研究了不同形状的滤波窗口、不同窗口大小的中值滤波算法对CT图像的去噪效果,这些影响到中值滤波中心像素值的选取以及滤波处理的计算量。实验结果表明,中值滤波的效果有差别,为改进中值滤波算法及对CT图像的去噪声处理提供了参考,同时也有利于研究中值滤波与其他滤波方法结合进行去噪声处理,可以更好地保留图像的细节。     

快速高效去除图像椒盐噪声的均值滤波算法

针对常见滤除椒盐噪声算法需要使用阈值、运算时间长、去除噪声效果不理想等缺陷,提出了一种快速高效去除图像椒盐噪声的均值滤波算法。新算法对滤波窗口下的疑似噪声像素,有针对性地选择少数信号像素构成信号像素集合,取集合中的元素均值对疑似噪声像素进行滤波。实验结果表明,对于噪声密度为1%到99%的图像,新算法均具有良好的去除噪声能力和保持细节能力,而且整个算法耗费时间很少,因而具有较大的实用性。     

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。