共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
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。 相似文献
3.
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. 相似文献
4.
5.
图像脉冲噪声的概率神经网络识别滤波方法 总被引:1,自引:0,他引:1
提出了一种用概率神经网络(PNN)检测图像随机脉冲噪声点方法.首先提取已知图像脉冲噪声像素点的特征作为PNN的输入,然后建立了PNN脉冲噪声点识别模型,再对其它噪声图像的每一个像点进行识别,最后只对噪声点进行中值滤波.Matlab仿真实验表明,同BPNN检测方法相比,该网络能明显提高识别正确率,因此有更好的脉冲噪声滤除效果,且该方法滤除脉冲噪声简单快速,是一种较好的神经网络图像脉冲噪声识别滤除方法. 相似文献
6.
7.
基于PCNN噪声检测的两级脉冲噪声滤波算法 总被引:1,自引:0,他引:1
为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。 相似文献
8.
9.
10.
为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。 相似文献
11.
提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。 相似文献
12.
为了在去除红外图像的脉冲噪声的同时,有效保持和恢复图像的边缘细节,提出了基于灰度特征和众数原则的迭代双边中值滤波方法。此方法根据脉冲噪声的灰度特征以及众数原则,将取最小和最大值、而在邻域的灰度分布上孤立的像素识别为噪声。根据基于空间距离和灰度相似的加权系数,对邻域中的无噪像素与已经去噪恢复的像素进行频次加权,用频次加权中值作为噪声像素的估计值。其中,以迭代遍历的方式执行去噪处理,充分利用前次遍历处理的结果,以去除高密度噪声。实验数据证明,此方法去噪所得的PSNR和EPI值以及视觉效果均优于现有方法,具有更好的去噪性能。 相似文献
13.
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。 相似文献
14.
《AEUE-International Journal of Electronics and Communications》2014,68(12):1173-1179
An improved recursive and adaptive median filter (RAMF) for the restoration of images corrupted with high density impulse noise is proposed in the present paper. Adaptive operation of the filter is justified with the variation in size of working window which is centered at noisy pixels. Based on the presence of noise-free pixel(s), the size of working window changes. The noisy pixels are filtered through the replacement of their values using both noise-free pixels of the current working window and previously processed noisy pixels of that window. These processed noisy pixels are obtained recursively. The combined effort thus provides an improved platform for filtering high density impulse noise of images. Experimental results with several real-time noisy images show that the proposed RAMF outperforms other state-of-the-art filters quantitatively in terms of peak signal to noise ratio (PSNR) and image enhancement factor (IEF). The superiority of the filter is also justified qualitatively through visual interpretation. 相似文献
15.
16.
为了进一步提高开关型矢量中值滤波器滤除脉冲噪声尤其是细微噪声的能力,提出了一种基于颜色分量单独噪声检测的开关型标量和矢量混合中值滤波器(SVHMF)。与其它经典矢量滤波器相比,SVHMF最大的不同在于它是根据对像素点各个颜色单独进行噪声检测的结果,采用与之相适应的标量和矢量混和滤波方法。新滤波器可以最大限度地保护彩色图像图像像素中未被噪声干扰的颜色分量数据,从而可以进一步提高滤波效果。实验数据表明:SVHMF的滤波效果明显优于其它各类在彩色图像降噪中得到广泛应用的矢量中值滤波器。 相似文献
17.
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。 相似文献