自适应深度残差椒盐噪声滤除算法

为了在去除图像中椒盐噪声的同时最大程度地避免产生色彩失真与边缘模糊等瑕疵,提出基于深度残差网络的椒盐噪声自适应滤除算法.将图像去噪分解为2步.首先,为了让网络模型能够处理不同尺度密度的椒盐噪声,提高网络模型的鲁棒性,先对图像进行自适应预处理以去除高频信息;其次,构建深度残差网络模型,训练出能将预处理后的图像映射到干净图像的函数.大量实验结果表明,文中算法不仅在保留图像边缘细节和去除高密度椒盐噪声方面均优于传统和基于机器学习的椒盐噪声去除技术,可有效地避免出现色彩失真和条纹等瑕疵.同时,其在BSD300数据集上去噪效果优于其他算法.     

改进的模糊逻辑偏微分方程去噪方法

在研究图像噪声过滤时,为了既有效地去除噪声,又能够较好地保持图像边缘和重要的细节信息,将模糊逻辑思想与PM方法相结合,提出了一种对噪声图像更有效的基于模糊逻辑的偏微分方程去噪算法。该算法把PM方法中扩散方程的扩散系数看作像素梯度对于图像平滑区域的模糊隶属度函数,并通过定义合理的模糊隶属度函数,使得对不同的像素梯度大小采用不同的扩散系数。仿真实验表明,此算法在去除噪声的同时,能更好地保持图像的边缘细节,具有较好的处理效果。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

基于噪声检测和动态窗口的图像去噪算法

针对中值滤波算法在去除脉冲噪声时易造成图像细节丢失的问题,提出了一种基 于噪声检测和动态窗口的自适应滤波方法。首先借鉴 BDND 方法,将图像的像素初分成信号点 和疑似噪声点,以减少需要处理的像素点;然后设计一种窗口自适应的噪声检测方法对疑似噪 声点进一步检测,判断其是真噪声点还是细节点,以加强图像细节信息的保护;最后通过改进 的自适应中值滤波器滤除检测出的噪声,并融入窗口自适应控制,窗口的大小可以根据噪声情 况自适应地调整,在去除噪声的同时尽可能地保护图像细节。实验表明,该算法在噪声处理和 细节保护上要优于其他典型算法,能有效地提高图像的峰值信噪比,对于高密度噪声的图像, 也可以获得较好的去噪效果。     

基于改进各向异性的水平集医学图像去噪

针对成像复杂、噪声突出的医学图像在去除噪声的同时模糊边缘特征的现象,提出了基于改进的各向异性的水平集去噪模型。在水平集去噪模型的基础上,加入了改进的各向异性扩散因子,其中改进的各向异性扩散因子采用了中值滤波平滑后的梯度模替换原始图像的梯度模,对于医学图像中大量的斑点噪声更加有效,并保留了图像的边缘信息。基于Matlab平台对改进算法进行了验证,实验表明,基于改进各向异性的水平集算法在有效去除噪声的同时,非但没有模糊边缘特征,相反地起到增强边缘信息的效果。改进算法优于各向异性算法和中值滤波等算法,提高了图像的信噪比,降低了图像的均方误差,保留了更多细节信息,使得医学图像更好地用于诊断,以及后续的分割等处理。     

改进的中值滤波图像去噪方法研究

为了有效的去除图像中的脉冲噪声,提出了一种新的噪声检测与噪声去除的方法,它在充分分析了噪声的分布特性的基础上,对图像中的噪声及图像的细节进行多方向检测,进而有效的分辨出噪声像素点与非噪声像素点.同时在传统的中值滤波的基础上结合邻域均值加权的思想对检测到的图像噪声点进行处理.在Matlab上的实验结果表明,该方法能有效地检测出噪声点,同时也在一定程度上较好的保存了图像的边缘信息.     

基于噪声特征和矢量中值滤波的彩色图像去噪算法

为了有效去除彩色图像噪声,同时保留图像细节信息,并提高处理速度,在分析彩色图像噪声特征的基础上,探索了基于噪声点的距离测度特性的判别算法,并结合改进的矢量中值滤波(VMF)算法对检测出的噪声点予以降噪处理.试验结果表明:该方法能够较好地抑制噪声,有效地保留了图像细节信息,且所用时间仅为传统矢量中值滤波算法的1/2左右.     

各向异性自适应滤波在合成孔径雷达图像中对斑点噪声的去除

在相干成像过程中,散斑是一种非加性的过程,在去除噪声的同时不模糊边缘特征是一个公认的难题。我们提出一个新的散斑去除算法,它利用一个各向异性方向滤波器去自适应图像中最近域重要特征的距离和方向。通过对图像边缘位置和方向的估计,使得在去除斑点噪声的同时而不模糊边界。针对每一个像素,运用一个高效算法计算其到最近边缘的方向和角度,并将其分别存储到距离和方向映射中。然后,一个各向异性方向滤波器运用其中。最后,用真实的合成孔径雷达测试了该算法的有效性。实验表明,新的算法相比去其它方法而言,在散斑去除的同时能更好的保存边缘等特征信息。     

基于加权空间离群点度量的随机脉冲噪声降噪算法

针对排序统计类降噪算法在随机脉冲噪声（RVIN）图像降噪过程中，对图像边缘和细节部分噪声识别不够准确以及恢复比较模糊的问题，提出了基于加权空间离群点度量（SLOM）的脉冲噪声降噪算法WSLOM-EPR。该算法以优化的空间距离差为基础，引入图像邻域均值和标准差，建立反映局部边缘细节特征的噪声检测方法，提高边缘细节处噪声的识别精度；然后以精确检测结果为基础，优化保边正则（EPR）函数，提高算法的执行效率，并增强算法保留边缘细节的能力。仿真结果显示，WSLOM-EPR算法在40%到60%噪声密度下对噪声点的误检和漏检综合表现优于对比算法，且能在两者之间保持一个较好的平衡；降噪后的峰值信噪比（PSNR）好于对比算法中的大多数情况，且边缘细节在视觉上更加清晰连续。结果表明WSLOM-EPR算法提高了噪声检测精度，有效地保持了恢复图像的边缘细节信息。     

用于机器视觉的焊缝图像获取及图像处理

采用激光线结构光作为主动光源,用滤光片滤掉弧光,有效提高了图像的信噪比得到清晰的焊缝图像,而且实验图像仅提取红色分量,进一步把特定波长的光放大,削弱其他波长的光。采用一种改进的中值滤波,此方法使降噪性能有效提高,较好保留图像细节,算法复杂度近似为O（N ）。通过二值化把信号不强的噪声消除,同时保留激光条纹信息。选用一种多尺度边缘检测方法,它能较好地提取复杂的图像边缘。提取特征点时,进一步加强系统的容错能力,提取水平段位置信息时,采用黑色像素行累加值的办法,准确定位条纹位置。系统准确地识别焊缝特征并提取足够的信息,将焊缝的图像坐标转换成世界坐标,完成跟踪焊缝。     

基于堆和邻域共存信息的KNN相似图算法

在谱聚类算法中,相似图的构造至关重要,对整个算法的聚类结果和运行效率都有着巨大影响。为了加快谱聚类的运算速度和通过近邻截断提高其性能,通常选择K近邻(KNN)方法来构造稀疏的相似图,而K近邻图对离群点非常敏感,这种噪声边会严重影响聚类算法的性能。文中提出了一种新的高效稀疏亲和图构造方法HCKNN,其中基于堆的K近邻搜索比基于排序的近邻选择在效率方面提升了log(n),基于邻域共存累计的阈值化来进行邻域约减不仅能够去除噪声边以提高聚类性能,还能进一步稀疏化相似矩阵,从而加速谱聚类中的特征分解。     

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.     

近邻感知的标签噪声过滤算法

基于k近邻的标签噪声过滤对近邻参数k的选取较敏感.针对此问题,文中提出近邻感知的标签噪声过滤算法,可有效解决二分类数据集的类内标签噪声的问题.算法分开考虑正类样本和负类样本,使分类问题中的标签噪声检测问题转化为两个单类别数据的离群点检测问题.首先通过近邻感知策略自动确定每个样本的个性化近邻参数,避免近邻参数敏感的问题.然后根据噪声因子将样本分为核心样本与非核心样本,并把非核心样本作为标签噪声候选集.最后结合候选样本的近邻标签信息,进行噪声的识别与过滤.实验表明,文中方法的噪声过滤效果和分类预测性能均较优.     

基于像素同龄组和相邻组的绝缘子去噪方法

针对红外图像带有脉冲噪声和高斯噪声的特点,提出了一种新的去噪方法。首先根据像素同龄组所含的个数来确定脉冲噪声和信号区域,然后利用像素相邻组判断目标边缘,在保持边缘和有用信号区域不变的同时,利用同龄组内的像素平均值对其它像素进行去噪处理。实验表明,该方法在信噪比上比其它方法要优越,并且能较好地保留边缘等细节信息。     

一种基于脉冲噪声检测的图像去噪方法

针对标准中值滤波在去除强噪声时存在的不足,提出一种改进的去噪方法.该方法通过多尺度窗口对图像脉冲噪声进行检测,其中判断噪声点的阈值可由图像中不同区域的灰度值自适应地调整,然后根据检测结果进行选择性滤波.该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节,尤其在强噪声情况下的效果更为明显.最后给出了滤波实验的仿真结果,说明了该方法的有效性.     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

基于改进的中值滤波和数学形态学的图像边缘检测

针对受到噪声干扰的图像边缘检测的不理想,提出一种基于改进的中值滤波和数学形态学结合的边缘检测方法。该算法首先对噪声图像用改进的中值滤波进行去除噪声处理,然后利用数学形态学进行边缘检测。利用Matlab软件进行仿真,结果证明该算法与一般的算法相比较能够有效地抑制噪声,保护边缘细节,提高边缘检测的精确度,具有更好的边缘提取效果、边缘连续性和光滑性。