基于灰度最值和方向纹理的概率滤波算法

为了更高效地检测和滤除噪声,基于灰度最值和方向纹理的概率滤波算法根据灰度最值进行噪声检测,对检测出来的可疑噪声,根据四个方向纹理的平滑过渡性进行第二次噪声检测。运用滤波窗口中出现频次最高的信号像素取代噪声。如果窗口中不存在信号像素,增大滤波窗口,以使窗口包含信号像素。当滤波窗口增大到允许的最大尺寸时,窗口中依然没有信号像素,则用窗口中已处理的、出现频次最高的像素取代噪声。将算法与当前滤波性能最好的中值滤波算法用于图像滤波实验。从滤波结果的主观视觉效果和客观数据两方面进行的比较分析证明,相对于当前的中值滤波算法,基于灰度最值和方向纹理的概率滤波算法具有更加良好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节。     

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。     

用于图像处理的加权中值滤波算法

提出了一种基于相似度函数的自适应加权中值滤波算法.该方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,并根据相似度大小,巧妙地将滤波窗口内各个像素点自适应分组并赋予相应的权重,最后对检测出的噪声点进行加权中值滤波.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,比标准中值滤波具有更优良的滤波性能.     

基于双窗口和极值压缩的自适应中值滤波

为了提高中值滤波器的滤波性能和适应不同密度的椒盐脉冲噪声,从噪声检测的准确性、噪声滤除的有效性和滤波速度的实用性等3个方面分别对中值滤波方法加以改进,提出了一种基于双窗口和极值压缩的自适应中值滤波方法(DWECAMF)。该方法采用大窗口检测噪声和小窗口滤除噪声的滤波策略、压缩噪声滤除窗口内极大值和极小值策略以及自适应脉冲噪声滤除策略,以提高图像滤波性能,同时采用了移动滤波策略提高滤波速度以增强其实用性。实验表明,该方法在以上3个方面的性能都有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

基于四分法噪声检测的开关中值滤波算法

为了精确的检测出图像中的脉冲噪声并滤除,提出一种差分四分法的开关中值滤波算法.该算法对噪声检测窗口内像素按灰度值大小排序,通过差分方法划分出高、低阶信号块和高,低阶噪声块4部分.当待测像素属于高,低阶信号块时视其为信号点,否则,根据噪声块与信号块内像素比例关系确定其为噪声点或可能噪声点,若为可能噪声点,则扩展检测窗口重新检测.对于噪声点,基于其邻域噪声密度自适应的确定滤波窗口,取滤窗内信号点的中值作为滤波输出.实验证明该算法对脉冲噪声有很强的抑制作用.     

一种改进的极值均值自适应滤波算法

为了在滤除噪声的同时保持图像细节,提出了一种新型自适应滤波算法。该算法根据图像中的某点是否为邻域极值点,将全部像素分为可疑噪声和信号两类,若中心点属于可疑噪声,将其并入信号类组成一新类,并计算其均值与信号类均值的差值,再通过与阈值比较,确定是否用信号类的中值取代原噪声图像的值。滤波窗口能根据噪声密度自适应改变大小。实验表明,该算法具有良好的滤波性能,尤其在噪声严重时,效果优于其他中值滤波算法。     

一种去除椒盐噪声的自适应极值中值滤波算法

针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法。该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出。同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换。实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

椒盐图像的方向加权均值滤波算法

椒盐噪声是造成图像污染的主要因素之一,椒盐去噪是图像去噪领域的研究热点。方向加权中值滤波算法计算噪声点滤波输出时存在一定的问题,比如,未排除近邻噪声点的干扰,对方向的估计不准确,对局部灰度特性刻画不完整等。为此,提出一种方向加权均值滤波算法。此算法先根据方向灰度差异和灰度极值判断检测噪声点,然后根据对局部窗口噪声强度的估计自适应地选择递归或非递归滤波窗口的加权灰度均值作为滤波输出。仿真实验结果表明,提出的算法与现有的两种方向加权中值滤波算法相比,PSNR普遍提高了2~3dB和5~6dB,噪声密度高时提高的幅度更加明显;速度提高了接近10倍和30倍。     

基于HVS特性的图像自适应中值滤波算法

通过考虑宿主图像亮度、纹理、边缘等特征,提出一种图像自适应中值滤波算法。该算法利用基于人眼视觉特性的临界噪声阈值确定噪声点,根据噪声密度自适应调整滤波窗口大小,采用改进的中值滤波对检测出的噪声点进行处理,从而在去除噪声的同时较好地保护图像细节。实验结果表明,该算法比传统中值滤波及其改进算法有更好的滤波性能,对于噪声污染严重的图像,滤波效果更好。     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。     

一种新型提高光斑图像质心精度的去噪方法*

提出了一种新的结合自适应中值滤波和阈值的去噪方法。与其他中值滤波方法不同,这里采用的自适应中值滤波的滑动窗口大小根据窗口内灰度的均值与最佳阈值下目标部分灰度均值和背景部分灰度均值的差别自适应确定。实验结果表明,与仅用中值滤波或仅用简单阈值对图像去噪的方法相比,利用该去噪方法,图像的信噪比提高了10.42 dB,光斑图像质心的精度最大提高了80%左右。     

基于斜率的自适应中值滤波算法

针对图像中椒盐噪声点的准确检测与去除问题,提出一种基于斜率的自适应中值滤波算法。该算法首先用n×n(n为大于或等于3的奇数)的模板作用于待检测图像的每一个像素,若当前像素的灰度值为其邻域内所有像素灰度值的极值,判断此点为准噪声点;再利用像素灰度值序列中两段子序列斜率的差值及模板区域内像素灰度值的均值自适应地判断准噪声点是否为真正的噪声点;最后对被判定为噪声的像素做中值滤波处理。与标准中值滤波方法相比,该方法加强了噪声检测的条件。实验结果表明,该算法具有较好地去除椒盐噪声和保留细节的效果。