二级推理在图像去噪中的应用

对图像去噪的方法进行了研究,针对传统去噪方法对所有像素点进行去噪处理造成的图像模糊化问题,提出一种基于贝叶斯决策的二级推理模型。首先建立基于贝叶斯决策的二级推理模型,通过图像的灰度直方图,获得贝叶斯决策所需要的参数。首次推理判断之后,对获得的分类进行第二次推理判断,最终获得噪点与非噪点的分类。再将二级推理模型与三种去噪算法进行结合,对图像进行去噪测试。通过实验验证,提出的算法能有效地在尽可能去除图像噪声的情况下,最大程度地保留原图像的细节,改善了以往图像去噪算法中去噪后图像模糊化较为明显的情况。     

基于直方图分解的去椒盐噪声算法

提出一种基于直方图分解的去椒盐噪声算法。根据椒盐噪声图像估计出原始图像直方图,对直方图进行分解得到高斯曲线,以曲线函数值作为权值对噪声图像进行加权均值滤波。并与中值滤波器、极值型中值滤波器以及模糊加权平均滤波器进行滤波效果对比。实验结果表明,该方法去噪性能较优。     

去除图像中高斯-脉冲噪声的有效方法

数字图像在获取和传输过程中常常会受到噪声的污染,有时会同时受到高斯噪声和脉冲噪声的污染。然而现有的去噪算法大多针对单一的高斯噪声或脉冲噪声,在处理混合噪声时无法取得令人满意的去噪效果。给出了一种去除数字图像中高斯-脉冲混合噪声的有效方法,去噪过程分为两个步骤：首先采用一种称为边界判定噪声检测的脉冲噪声检测方法检测出混合噪声中的脉冲噪声,对噪声图像作中值滤波后得到一幅受高斯噪声污染的过渡图像。然后用贝叶斯最小平方-高斯尺度混合模型对过渡图像进行滤波得到降噪后的图像。实验表明,同现有的其他去噪方法相比,该方法能够更有效地去除混合噪声。     

有无噪声对细胞神经网络提取图像边缘的影响

主要运用相关系数,通过对原始图像进行加躁再去噪,计算出用传统的滤波方法如均值滤波、中值滤波和维纳滤波分别对有噪声的图像进行去噪处理后,去噪图像与原始图像的相关系数,验证了去除高斯噪声用一次维纳滤波比较理想;去除椒盐噪声使用中值滤波效果较好。并在第三部分给出了对加噪的图像先进行去噪处理,再用CNN进行边缘提取的结果和对加躁图像先用cNN进行边缘提取再去噪的结果,并将这两种结果与原始图像提取边缘的结果进行比较和观察,得出以下结论：为了避免由于噪声引起的失真对图像真实信息的影响,在进行图像边缘提取之前必须先进行去噪处理再进行边缘提取。     

基于局部直方图的加权均值滤波器

针对受椒盐噪声不同程度污染的灰度图像滤波问题,提出了一种基于局部直方图的加权均值滤波算法。该算法针对椒盐噪声特点,对含噪图像进行噪声检测,建立噪声标记矩阵;对标记为信号的像素不做处理,标记为噪声的像素依据其邻域像素污染程度采取不同窗口尺寸的加权均值滤波,像素权值由噪声点所在区域的局部直方图确定。对不同噪声率污染的测试图像仿真结果表明,该算法在有效抑制噪声的同时能较好地保持图像的细节信息。最后,通过与中值滤波和其他一些改进算法的滤波效果比较,证明了该算法的有效性。     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

基于形态成分分析和Contourlet变换的自适应阈值图像去噪方法

针对含有丰富纹理和边缘特征的噪声图像,提出一种基于形态成分分析(MCA)和Contourlet变换的自适应阈值图像去噪方法.该方法首先引入MCA将噪声图像分为低频部分和高频部分,在此基础上设计一种自适应的分层阈值估计处理策略.根据噪声的分布特性,通过阈值估计和Contourlet变换对噪声图像的低频部分和高频部分进行分频带去噪处理,有效去除噪声图像中的噪声.通过对噪声图像的仿真实验表明,文中方法能较好地保留图像纹理和边缘,并且去噪效果优于传统的均值滤波去噪、中值滤波去噪、小波多层阈值去噪和轮廓波多层阈值去噪方法.     

图像去噪方法研究与仿真

在实际获取的数字图像中,不可避免地参杂了不同程度的噪声,去除噪声是图像预处理中非常重要的步骤。介绍了均值滤波、统计排序滤波和自适应滤波的基本去噪原理,利用上述去噪方法通过matlab仿真,对含有高斯噪声和椒盐噪声的图像进行去噪处理,对仿真结果进行分析比较,从而得出各种去噪方法的特点和使用范围,为实际图像处理中选择合适的去噪方法提供了指导。     

改进权值非局部均值超声图像去噪

目的 超声图像斑点噪声会影响诊断的准确性和可靠性。通过分析超声图像斑点噪声统计模型,结合非局部均值滤波算法,提出一种基于超声斑点噪声模型的改进权值非局部均值（NLM）滤波算法。方法 算法针对超声图像灰度信息对图像进行预处理,利用超声图像斑点噪声模型改进传统NLM算法的权值计算函数,基于图像特征确定最优采样间隔进行下采样,利用改进后的权值计算函数对图像进行NLM去噪处理。结果 分别采用人工合成与真实超声图像对本文算法性能进行测试,并与传统非局部均值滤波算法、非局部总变分（NLTV）等算法进行去噪效果比较,同时采用均方误差、峰值信噪比和平均结构相似性作为滤波算法性能的客观评价指标。本文算法能快速完成超声图像的去噪处理,峰值信噪比较其他算法可以提高0.2 dB以上,可以降低均方误差,提高平均结构相似性,缩短处理时间,并得到较好的图像质量和视觉效果。结论 根据超声图像斑点噪声模型对NLM算法的权值计算函数进行优化,使得NLM图像滤波算法能更好地适用于超声图像的去噪,基于超声斑点噪声模型的改进权值NLM算法相较于其他算法,滤波效果更佳,适合超声图像去噪。     

基于混合滤波的遥感图像去噪

基于均值滤波和中值滤波的互补性，应用混合滤波方法对SPOT遥感图像进行去噪处理，并与标准均值算法、标准中值算法以及改进的中值算法进行比较。结果表明：混合滤波方法能够有效去除椒盐噪声和高斯噪声，保留图像的纹理信息，提高图像的清晰度。     

基于位函数最优迭代的椒盐噪声滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于位函数最优迭代 的椒盐噪声滤波算法。利用位函数的细节保证性能,最大限度地恢复图像的细节信息,使得高密度噪声污染图像也能得到较 好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性及较好的滤波效果。     

利用几何结构检测去除图像中的随机值脉冲噪声

尽管中值滤波以及各种改进方法是去除图像中随机值脉冲噪声的有效方法,然而,大多数去噪方法存在门限值选取困难和对图像边缘纹理结构过平滑的缺点。针对这一问题,提出了一种基于几何结构的用于检测和去除随机值脉冲噪声的新方法。该方法首先利用图像的直方图分布来估计脉冲噪声的噪声率;然后进一步基于噪声率和细节图像的直方图分布,自适应地确定两个分类门限;最后利用两个门限,将细节图像中的像素分成‘未被污染点’、‘待定点’和‘噪声点’。其中‘待定点’主要由边缘和纹理区像素和噪声像素构成,为区分其属性,还引入了几何结构检测方法。基于各像素点的类型,细节图像被用于修正中值滤波的结果。实验结果表明,该新方法在去除脉冲噪声的同时,还很好地保留了图像的边缘结构。与已有的方法相比,具有明显的优势。     

Intelligent noise detection and filtering using neuro-fuzzy system

In this paper, we propose a neuro-fuzzy based blind image restoration to remove impulse noise from low as well as highly corrupted images. Main components of the proposed technique include noise detection, histogram estimation and noise filtering process. Proposed technique constructs the fuzzy sets using fuzzy number construction algorithm. These fuzzy sets are used in noise filtering process to remove impulse noise from the noisy pixels using neuro-fuzzy inference system and fuzzy decider. Experimental results are based on global and local error measures, which prove that the proposed technique gives superior results than the present well known impulse noise filtering methods.     

便携式医用X光机图像噪声分析及降噪处理

主要针对便携式医用X光机所成图像的具体特征,分析了影响图像清晰度的噪声类型,并提出了适用于此种图像降噪复合型算法：直方图均衡化＋多帧平均滤波算法。此复合型算法对便携式医用．X光机所成图像的质量有明显的改善。     

一种改进的脉冲噪声滤波方法

由于数字图像在生成与传输过程中容易受到脉冲噪声的污染,往往造成后续处理难以为继。为了改善图像质量,需要对图像进行去噪处理。针对传统中值滤波及其它非线性滤波方法在去除图像脉冲噪声时存在的不足,本文提出了一种改进的去噪方法:在滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识;然后根据检测结果进行改进的中值滤波:只对判断为噪声点的像素进行处理,不仅考虑了标准中值,也分情况利用了中值的前一个值和中值的后一个值的信息。实验表明,改进方法不仅在滤除脉冲噪声方面相比其他非线性滤波有很大改进,而且它可以更好地保护图像的细节特性,对图像的后续处理有很好的价值。     

基于量子衍生的图像中值滤波算法

利用量子衍生思想,借鉴量子信息理论,将归一化的数字图像用量子叠加态的方式表示,分析了量子Hadamard变换的原理,提出了基于量子衍生的图像中值滤波算法。针对受不同程度椒盐噪声干扰的数字图像,分别采用3×3和5×5大小的中值滤波窗口,对传统图像中值滤波算法和量子衍生中值滤波算法进行了去噪仿真实验。从主观视觉角度和客观评价指标两方面,对算法的去噪效果进行了分析和比较。根据信噪比和边缘保持度两种评价指标,客观衡量和比较了算法处理后的结果图像与原始图像之间的灰度值差异,以及算法对图像边缘细节的保持能力。算法仿真结果表明,对相同程度椒盐噪声干扰的图像进行去噪处理时,5×5大小的量子衍生中值滤波算法去噪效果最佳。     

一种CBERS-02星CCD原始条带噪声处理方法

在简略分析辐射均衡、矩匹配和直方图匹配的基础上,提出了一种直方图匹配结合线性方向滤波的方法来去除CBERS\|02星图像数据中存在的条带噪声。其中直方图匹配用于消除探测元间的条带噪声,线性方向滤波用于消除横向随机条带噪声和剩余的列向条带噪声。实验结果表明,该方法不仅能很好地消除CBERS\|02卫星图像条带噪声,而且保留了图像上有用的信息。最后,从定性和定量两个方面进一步验证了该方法的有效性。     

噪声不敏感的柱状图特征描述符及其在图像检索中的应用

基于内容的图像检索方法往往将图片的内容表示成柱状图,根据图片柱状图之间的相似性进行图片的检索。数码图片中包含的噪声使得柱状图变得平滑,从而使图片之间变得更为相似,这增加了返回结果中包含的图片数量。为了进一步提高图片检索的性能,提出了一种对噪声不敏感的柱状图特征描述符,并应用该特征描述符进行图像之间的相似性匹配。首先将图片中的噪声描述为平稳附加高斯白噪声,并给出了相应的柱状图表示;然后通过随机变量的原点矩定义了柱状图的特征描述符,并分析了如何应用特征描述符恢复原始图片的柱状图。在算法的性能验证过程中,将提出的方法与4种相关算法进行比较,应用两个真实的图片数据库的图像检索实验验证了所提方法的有效性。