一种改进的自适应中值滤波算法

传统的自适应中值滤波算法,利用极值判别像素点是否为噪声点。该方法容易将边缘点误判为噪声点,将噪声点误判为信号点。本文针对这一问题,提出一种利用边缘点与噪声点的差异判别噪声点,并将噪声点分为平滑区噪声点与边缘区域噪声点,对不同类型噪声点进行不同处理。从而达到更好的抑制噪声与保护图像细节效果。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.     

一种分类滤波的去噪新方法

均值滤波或中值滤波只对某一种噪声有较好的滤波效果,为了克服单一滤波的缺陷与不足,提出一种分类滤波的去噪新方法.该方法先判断像素点是否需要滤波处理;再对需要处理的像素点按噪声特点进行分类,然后采用一种基于模糊隶属度的加权裁剪均值滤波方法滤除平坦噪声,采用中值滤波滤除孤立噪声.实验证明此方法可以抑制对所有像素点的同一滤波处理而造成的图像边缘细节模糊,而且对滤除多种不同类型的噪声有较好效果.     

一种去除椒盐噪声的自适应开关中值滤波算法

为了滤除图像中高密度椒盐噪声同时又能较好地保护图像细节,提出一种自适应开关中值滤波算法。使用max-min算子作为噪声检测器,利用自适应邻域窗口对图像进行从左到右的逐行扫描,同时对位于窗口中心的像素点进行噪声判别,然后将检测出的噪声点采用中值滤波进行滤除,而信号点保持不变直接输出。实验仿真结果证明了该算法的有效性。     

一种改进的开关中值滤波算法

通过对中值滤波器原理的分析,阐述了中值滤波器的缺陷,即不适合对内容复杂、细节较多的图像进行消噪处理,针对这个缺陷及借鉴中值滤波理论,在此基础上提出了一种改进的开关中值滤波理论实用算法.该算法中采用开关策略,并用分段统计的方法对窗口领域内像素点排序进行平均分段,取中间一段各像素平均值作为该像素的新值.实验表明,该算法具有较好的细节保护能力和较强的噪声去除能力.     

基于邻域信息的自适应中值滤波算法

针对图像中普遍存在的脉冲噪声,提出了一种自适应中值滤波算法,该算法在有效去除噪声的前提下能够保留更多的图像细节。首先,根据脉冲噪声灰度值为0或1的特点初步区分图像中的噪声点和信号点;其次,在每一个可疑噪声点周围取一定大小的邻域,通过判断该可疑噪声点与邻域内其他像素点之间相关性的大小进一步判断该点是否为真正噪声点,若为真正噪声点则利用邻域内所有可靠像素点的中值代替,否则输出原信号点。利用可见光及红外图像将所提算法与几种算法（如传统中值滤波算法、极值中值滤波算法,等）进行比较,实验结果表明该方法能够获得最高的峰值信噪比,去噪效果最佳。     

一种改进的自适应中值滤波算法

针对未知脉冲噪声强度的退化图像的去噪,提出了一种新的自适应中值滤波算法,该算法主要基于以下两点：（1）根据模糊数学里的模糊度理论及随机脉冲噪声本身的去噪特点,提出了模糊指标的概念,并通过反向二阶拟合来获得噪声的强度信息;（2）引入了反映图像边缘信息的Prewitt梯度算子,并通过实验来得到合适的梯度阚值,以更好地保持图像的边缘等细节信息.通过将该算法与传统的中值滤波、基于排序阈值的开关中值滤波以及Sorin Zoican提出的改进的中值滤波进行的对比实验表明,该算法对噪声的强度有很好的估计,不仅提高了噪声去除的自适应性,尤其对含噪声多的图像的处理效果更为理想.     

基于像素点聚类分离的滤波算法

为了提高受随机值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。对噪声图像进行初步滤波,分辨出图像中比较明显的噪声;根据图像局部像素点的相似性和噪声点的孤立性,计算出噪声图像的相关矩阵;运用模糊C均值聚类算法对所求相关矩阵进行迭代聚类,分离出噪声点和正常像素点;对噪声点进行中值滤波。实验结果表明,与传统算法相比,该算法能更好地滤除噪声点,保护了更多的图像细节,具有良好的滤波效果。     

一种纵横窗口关联的多级中值滤波算法

针对传统中值滤波算法不能很好保护图像细节以及受较严重噪声污染时性能急剧下降的情况,提出了一种纵横窗口关联的多级中值滤波算法。算法采用开关策略,判断N×N窗口内像素点。对于噪声点,先求出以该点为中心的纵横2 N个窗口中每个窗口像素点的中值,再计算出这些中值点的中值,以替换噪声点像素值。对于非噪声点,保持原值不变,从而实现了噪声的去除。仿真结果表明,纵横窗口关联的多级中值滤波算法具有较好的细节保护能力和较强的去噪声能力。     

基于二级修复的多方向加权均值滤波算法

针对目前算法不能有效去除高概率的椒盐噪声并保护图像边缘和细节特征的缺点,提出了一种基于二级修复的多方向加权均值滤波算法。在噪声检测阶段,首先利用一个方差参数判断当前像素点与其邻域像素点之间的灰度差异程度,再通过将方差参数和灰度极值相结合的方法检测出图像中的椒盐噪声点。在噪声修复阶段,提出一种二级修复方法来修复噪声点的灰度值。首先利用改进的自适应中值滤波器对椒盐噪声点进行第一级噪声修复;然后利用方差参数将第一级修复后的噪声点划分为两类,并采用不同的修复方法对这两类像素点进行第二级噪声修复,一类像素点采用均值滤波器进行再修复,另外一类像素点采用多方向加权均值滤波器进行再修复。数值实验结果表明,所提算法的滤波性能和边缘保护能力均优于当下很多先进的滤波器。     

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。     

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.     

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。     

一种针对彩色图像随机值脉冲噪声的矢量滤波方法

为了去除彩色图像随机值脉冲噪声,提出了一种新的矢量滤波方法。该方法对图像的平滑区域和边缘区域的滤波工作分开进行,平滑区域滤波方法将窗口分成多个区域,然后基于矢量中值和平滑区域像素的特征检测出平滑区域的信号,边缘区域的滤波是在已知信号的基础上对非信号进行矢量中值滤波。仿真实验结果表明,该方法能够有效地去除彩色图像的随机值脉冲噪声,尤其当噪声密度较高时,去噪效果明显优于传统的矢量中值滤波。     

图像脉冲噪声的自适应长距离相关迭代滤波法

提出一种基于局部极值噪声检测的自适应长距离相关迭代滤波算法.该算法首先采用局部极值法进行噪声检测,然后在一定的搜寻范围内计算信号点与噪声点的背景均方误差值,并以该背景均方误差值为基础采用自适应加权法进行滤波,最后将这一滤波过程进行迭代计算.实验结果表明,该算法滤波效果优于传统的滤波算法,它可以有效地去除图像中的脉冲噪声,并较好地保持图像细节信息,在噪声密度很大的情况下也表现出很好的滤波性能.     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。     

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。     

基于决策分析的高椒盐噪声轮胎痕迹图像滤波方法

决策分析能准确判断出噪声像素与信号像素,均值滤波能较好平滑噪声,而自适应中值滤波能较好地保持原始图像的细节及边缘。为了恢复被高密度椒盐噪声污染的轮胎痕迹图像,提出三者相结合的新算法。该算法结合三者的优点,与传统中值滤波器、自适应中值滤波器等非线性滤波器相比,能得到更好的图像质量。实验表明,算法能有效消除灰度轮胎痕迹图像中的高密度椒盐噪声和彩色轮胎痕迹图像中的中低密度椒盐噪声,较好地保护了图像的细节及边缘信息。     

中子集型自适应中值滤波器

消除脉冲噪声通常采用中值滤波算法。尽管有许多中值滤波方法做了很大改进,但是,在噪声密度较高的情况下,图像滤波的结果仍然不能令人满意,因此,提出了一种新型中值算法。首先对滤波窗口中的像素进行分类,然后确定其中多元素子集的中子集,并且根据多元素子集的个数来决定是进行滤波还是扩大滤波窗口。最后,在仿真中,将该算法分别和几种中值滤波算法在数值和视觉上进行比较,实验结果显示,该算法能够有效地降低脉冲噪声并且保留了原始图像的更多细节。     

基于噪声检测的彩色图象脉冲噪声滤波

文章提出了具有细节保持能力的自适应彩色图像脉冲噪声滤波器,称为细节保持滤波器。新方法对图像中噪声像素进行检测,仅对噪声像素进行有序滤波而对非噪声像素则保持其原值不变,并根据图像噪声情况自适应地选择滤波窗口。从而,有效地滤除随机彩色脉冲噪声、保持图像边缘与细节,其性能优于经典的矢量中值滤波器（ＶＭＦ）、方向一距离滤波器（ＤＤＦ）、距离一幅度矢量滤波器（ＤＭＶＦ）等非线性滤波器。