一种针对图像脉冲噪声的改进中值滤波算法

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整.     

一种针对图像脉冲噪声的改进中值滤波算法北大核心

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法。该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作。以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声。实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整。     

基于斜率差值的自适应图像椒盐噪声滤波算法

提出了一种基于斜率差值的自适应中值滤波算法,以有效去除图像脉冲噪声。该算法在经典自适应中值算法的基础上,采用斜率差值进行噪声判定。针对自适应中值滤波算法和基于斜率的自适应中值滤波算法在噪声强度较高情况下的不足进行了改进,同时解决了噪声块难以去除的问题。实验结果表明,该算法能有效去除图像脉冲噪声,并较好的保护图像细节。     

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。     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。     

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。     

一种多子窗口中值加权的高斯噪声滤波算法

为了有效地去除图像中的高斯噪声,提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口,并将其划分为9个3×3子窗口区域,先找出每个子窗口的中值像素点,然后求出每个中值像素点与它们的中值点差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明,该算法对图像中的高斯噪声具有较好的滤除性能,并且较好地保持了图像的细节,效果优于传统的滤波算法。     

一种窗口自适应的去椒盐噪声滤波算法

为了有效地去除图像中的椒盐噪声,提出一种窗口自适应的滤波算法。算法先采用3×3窗口进行噪声检测,如果中心点为噪声点,则统计窗口内为非噪声点的数量。当非噪声点的数量大于2时,采用中值均值滤波算法;当非噪声点的数量小于等于2时,将窗口尺寸扩大至5×5,采用中值均值滤波算法。如果中心点为信号点,则保持原值不变直接输出。仿真实验结果证明,这种算法对不同程度椒盐噪声污染的图像具有较强的去噪能力,同时较好地保持了图像的细节。     

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.     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

基于IRFPA改进中值滤波算法的FPGA实现

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术.改进中值滤波算法与传统3×3中值滤波器相比较:滤波模板由2个FIFO与7个寄存器组成,简单实用;经过6级比较可以快速找到9个数的中值,提高了寻找中值的速度;得到的中值与原始数据经过阈值比较,做选择性替换,便于更好地保持图像细节.此算法在640×512元...     

基于二次噪声检测和细节保护规则函数的图像滤波算法

现有的图像椒盐噪声滤除算法缺乏对小于滤波窗口的图像细节与边缘信息的保护能力,本文提出了一种基于二次噪声检测和细节保护规则函数的图像椒盐噪声滤波算法,算法将滤噪过程分为两个阶段:噪声检测和噪声恢复阶段.在噪声检测过程中,用自适应中值原理对图像中的噪声点进行初步检测,然后通过局部模糊隶属度函数对检测出的噪声点进行二次判断,有效提高了噪声检测的准确度.在噪声恢复阶段,利用细节保护规则函数与₁数据逼近的凸面代价函数来恢复噪声点.为了充分利用图像局部特征,该算法自适应地选择噪声点周围的象素点利用细节规则保护函数得到输出值,当图像噪声点的凸面代价函数值达到最小时,噪声图像得到最佳恢复.实验结果表明,本文提出的滤波算法针对椒盐噪声具有很好的细节保护与噪声滤除能力,特别是在噪声感染率高(70%以上)的情况下,算法性能优于现有的其它算法.     

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。     

基于中值滤波器的红外图像噪声处理的改进方法

基于红外图像成像的机理和热像仪工作方式,红外图像往往混有大量随机噪声,而这些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方式,对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中不能改变。噪声密度越大需要处理窗口越大,但也导致图像的细节相应越模糊。综合窗口大小对降噪能力和细节处理能力的影响,文中对传统的中值滤波器算法进行改进。实验表明,在中值滤波器去除噪声的过程中,随着窗口图像噪声分布情况动态调整窗口大小,能够做到既尽可能去除噪声,又尽可能保持图片的细节,使图像处理整体效果得到提升。     

Noise adaptive soft-switching median filter

Existing state-of-the-art switching-based median filters are commonly found to be nonadaptive to noise density variations and prone to misclassifying pixel characteristics at high noise density interference. This reveals the critical need of having a sophisticated switching scheme and an adaptive weighted median filter. We propose a novel switching-based median filter with incorporation of fuzzy-set concept, called the noise adaptive soft-switching median (NASM) filter, to achieve much improved filtering performance in terms of effectiveness in removing impulse noise while preserving signal details and robustness in combating noise density variations. The proposed NASM filter consists of two stages. A soft-switching noise-detection scheme is developed to classify each pixel to be uncorrupted pixel, isolated impulse noise, nonisolated impulse noise or image object's edge pixel. "No filtering" (or identity filter), standard median (SM) filter or our developed fuzzy weighted median (FWM) filter will then be employed according to the respective characteristic type identified. Experimental results show that our NASM filter impressively outperforms other techniques by achieving fairly close performance to that of ideal-switching median filter across a wide range of noise densities, ranging from 10% to 70%     

基于Bior小波变换和中值滤波的图像去噪

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想,而小波变换可以较好地滤除高斯噪声。本文将Biorthogonal小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单纯的小波变换或单纯的中值滤波。     

消除脉冲噪声的改进自适应滤波算法

针对灰度图像受脉冲噪声污染后的恢复处理问题,提出了一种改进的自适应中值滤波算法。该方法根据脉冲噪声的分布特点,采用极大值、极小值和领域均值判定准则进行噪声点的检测,然后用检测窗口内最小非噪声点集合的中值作为噪声点的滤波输出。实验结果表明,与其他几种算法相比,文中算法不仅在峰值信噪比(Peak Signal to Noise Ratio)和结构相似度(Structural Similarity,SSIM)上有较大优势,而且还具有较低的时间复杂度和更好的自适应性。也进一步说明该方法不仅能有效地检测并滤除噪声点,还能较好地保护图像的边缘细节。     

基于横向拓展窗口的快速图像中值滤波算法

中值滤波是一种基于空域排序统计的图像降噪方法,可在滤除噪声的同时有效保护图像的细节信息。传统中值滤波一般采用冒泡排序法来对方形窗口内的像素灰度值进行排序操作,像素之间的比较次数多,处理时间长,不利于实时图像处理。基于图像并行处理的思想,提出了一种基于横向拓展窗口的快速中值滤波算法。算法将传统的方形窗口进行横向拓展,从而改变滤波窗口漫游的滑动步长,同时可以有效利用算法执行过程中的比较信息,达到提高整幅图像处理速度的目的。实验结果表明,算法能够满足图像降噪高精度、高实时性要求。所提出的算法通过牺牲芯片面积来换取处理速度,适宜于在现场可编程门阵列等硬件上实现。