一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

基于SPCNN和Nagao滤波的图像去噪

为了更好地滤除椒盐噪声,提出如下方法:首先借鉴非线性模板和模板匹配的思想,改进了Nagao滤波器;再利用简化脉冲耦合神经网络模型,提出一种定位噪声点的方法;最后将两者结合用于恢复被椒盐噪声污染的图像.实验证实,采用本文算法恢复图像的主客观效果均优于标准中值滤波、自适应中值滤波、中子集型中值滤波、简化脉冲耦合神经网络滤波,且当噪声密度大范围变化时仍然具有较好效果.     

强椒盐噪声图像的二次自适应中值滤波算法

中值滤波是一种简单而重要的处理椒盐噪声图像的方法,但传统的中值滤波只适用于弱噪声的情况,对于强椒盐噪声并不适用.本文在中值滤波的基础上,提出了一种自适应的二次中值滤波算法,该算法具有实现过程简单,运算复杂度低,自适应性强的特点.经过实验表明:该方法对强椒盐噪声图像具有良好的处理效果,特别适用于噪声大于50%的高强度椒盐噪声图像.     

基于自适应开关插值算法的图像椒盐噪声滤波*

针对传统中值滤波算法在滤除椒盐噪声时的缺点,提出了一种自适应开关插值算法。该方法根据椒盐噪声的特点,通过极大值、极小值和块均匀度检测来标志噪声,然后根据噪声分布情况,利用拉格朗日插值和自适应中值滤波来滤除噪声。实验结果表明,该方法对椒盐噪声密度为10%80%的测试图像,能更加有效地抑制椒盐噪声并很好地保持了图像的细节信息,滤波性能比传统中值滤波方法更理想。该方法为图像去噪提供了一种新的途径。     

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。     

一种改进CB形态学的图像滤波分析研究

如何在滤除噪声的同时保护图像的细节一直是一个研究热点。基于数学形态学的滤波效果依赖于结构元素形状和尺寸的选取,基于轮廓结构元素形态学（简称CB形态学）在一定程度上弱化了结构元素对处理结果的影响,但是大结构轮廓会导致噪声放大,小结构轮廓噪声滤除效果不佳。提出一种改进CB形态学滤波器,利用小结构元素、CB形态学、数学形态学运算实现对图像椒盐噪声的滤除。实验结果表明该滤波器滤除椒盐噪声的效果优于中值滤波或一般形态学滤噪,且能够在滤除噪声的同时较好地保留图像细节。     

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。     

基于遗传算法的自适应中值-开闭滤波器

提出了一种新的中值-开闭滤波器结构，并以此为基础设计了自适应中值-开闭滤波器。该滤波器由一个中值-开闭滤波器和学习优化模块组成。在学习优化子模块中，应用遗传算法，通过对含噪声的图像样本进行学习，使得该滤波器的结构能根据待滤波的输入图像自动地调整以获得最优的滤波效果。计算机仿真实验表明该滤波器具有非常好的噪声滤除能力和滤波效果。     

基于形态开闭算子的高浓度椒盐噪声去除方法

针对传统形态滤波器滤除高浓度椒盐噪声不足的问题,提出一种基于形态开闭算子自适应的高浓度椒盐噪声去除方法。该方法分为噪声检测和形态开闭自适应滤波2个阶段。在噪声检测阶段,得到噪声标记图像,并依据噪声标记图像生成自适应的结构元素。在形态滤波阶段,对可能的噪声点进行形态开闭滤波,而对非噪声点不做滤波处理直接输出。通过一个简单的噪声检测方法构造自适应结构元素,提升传统形态滤波器的滤波能力。仿真结果表明,该方法能有效去除高浓度的椒盐噪声,较好地保留图像的细节信息,并且算法简单,运算时间较短。     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像素采用均值滤波算法，而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。仿真结果证明，该方法更具有实用性和有效性。     

基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声.但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果.针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息.实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

The solutions of equation-based noise detector for an adaptive median filter

Techniques of noise detection have been widely applied in impulse noise reduction. However, the phenomenon of pixel misclassification is very obvious in high noise density. In order to improve pixel identification, in this paper, the new noise detector is proposed. Based on solutions of equations, an estimated block of every 8×8 block of a noise image is generated. Then, according to relationships between these noise blocks and their estimated blocks, corrupted and uncorrupted pixels are identified. During image filtering, a noise-detection-based adaptive median algorithm is presented. Experimental results show that the proposed filter can well reduce the impulse noise and preserve more details of original images.     

Data mining based noise diagnosis and fuzzy filter design for image processing

In image processing, both diagnosis of noise types and filter design are critical. Conventional filtering techniques for image restoration such as median filter and mean filter are not effective in many cases, such as the case lacking the information of noise types or the case having mixed noise in images. This paper develops a data mining approach for noise type diagnosis, and proposes a fuzzy filter design for enhancing the quality of noise corrupted images. The experimental results demonstrate that the proposed technique outperforms the conventional filters, particularly for dealing with the images corrupted by mixed noise with additive Gaussian noise and impulse noise.     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。该算法根据噪声点与周围信息的关联程度调整噪声点滤波值,从而更好地处理图像的细节部分。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,去噪效果相比其他方法更加优秀。     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

Self-adaptive algorithm of impulsive noise reduction in color images

In this paper a new approach to the problem of impulsive noise reduction in color images is presented. The basic idea behind the new image filtering technique is the maximization of the similarities between pixels in a predefined filtering window. The improvement introduced to this technique lies in the adaptive establishing of parameters of the similarity function and causes that the new filter adapts itself to the fraction of corrupted image pixels. The new method preserves edges, corners and fine image details, is relatively fast and easy to implement. The results show that the proposed method outperforms most of the basic algorithms for the reduction of impulsive noise in color images.     

Adaptive two-pass median filter based on support vector machines for image restoration

In this letter, a novel adaptive filter, the adaptive two-pass median (ATM) filter based on support vector machines (SVMs), is proposed to preserve more image details while effectively suppressing impulse noise for image restoration. The proposed filter is composed of a noise decision maker and two-pass median filters. Our new approach basically uses an SVM impulse detector to judge whether the input pixel is noise. If a pixel is detected as a corrupted pixel, the noise-free reduction median filter will be triggered to replace it. Otherwise, it remains unchanged. Then, to improve the quality of the restored image, a decision impulse filter is put to work in the second-pass filtering procedure. As for the noise suppressing both fixed-valued and random-valued impulses without degrading the quality of the fine details, the results of our extensive experiments demonstrate that the proposed filter outperforms earlier median-based filters in the literature. Our new filter also provides excellent robustness at various percentages of impulse noise.     

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。