自适应投票快速中值滤波算法的进一步研究

以邻域像素的相似性为基础,提出了分组投票取中值法,避免了大量的零值票箱参入检票过程,提高了检票速度。还提出了投反票思想,利用窗口移动的相关性,使每次参入投票的像素个数大大减少,避免了每次投票前的票箱清理操作,优化了投票过程,提高了投票速度。消除了现有高速中值滤波算法不适合小窗口的缺陷,用较少的求和运算和比较运算,使各类窗口下的中值滤波速度大幅度提高。还可以快速获得图像的局部参数（局部极值、极值的个数、局部均值）,用这些参数作为噪声检测的依据,能够准确地判断噪声,提高中值滤波的效果。     

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。     

图像快速自适应加权中值滤波

中值滤渡由于可对随机噪声起到良好的去除效果因而在信号恢复中得到了较为广泛的应用.本文提出了一种新的快速自适应加权中值滤波算法以提高中值滤波算法的性能.该算法通过噪声检测确定图像被污染的程度.再根据污染情况选取不同的加权值.为提高中值滤波的速度,作者基于数组分布范围有限这一特征提出一种多级分阶的统计直方图中值求解方法.实验证明该算法在抑制噪声的同时也能较好地保护细节信息,并且能有效地提高标准中值滤波的速度.     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

自适应中值滤波算法的研究与应用

本文研究一种自适应的中值滤波算法,该算法对含有噪声的图像自动选取合适的窗口进行滤波处理,对噪声、边缘、图像内部点分别处理,实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比。     

自适应中值滤波算法在图像处理中的应用

为了比较自适应中值滤波相对于传统中值滤波在滤除数字图像中噪声时的优缺点,文章通过Matlab实现了中值滤波和自适应中值滤波仿真,分析了两种算法的滤波效果,从而从主观图像和客观参数上反映了自适应中值滤波算法的优越性,得到了它比传统中值滤波算法具有较好的图像去噪和细节保护性能的结论。     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法,该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序位上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度,提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法．该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序住上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度。提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

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。     

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。     

中值滤波快速算法的进一步思考

通过分析经典中值滤波算法以及几种改进的快速算法,提出了2种新的快速算法并进行了详细地介绍,即不需要排序的基于统计法的中值滤波算法和只需要少量数据排序的基于分治法的中值滤波算法。实验结果表明,提出的基于分治法的中值滤波方法在大窗口情况下非常有效,在保证整体数据不失真的前提下大幅度提高了计算速度。     

新型快速中值滤波算法及在医学图像中的应用

医学图像的处理具有数据量大、实时性强的特点。而传统中值滤波(SM)算法需对滤波窗口内所有的元素完全排序后确定中值,算法的时间复杂度高,执行效率低,无法满足医学图像实时处理的需要。为提高中值滤波算法的执行效率,提出一种新型的快速中值滤波算法,将基于排序查找中值的过程转换为基于分治查找中值的过程,有效地避免了对中值滤波而言不必要的完全排序运算,降低了算法的复杂度;同时在分治查找过程中,利用医学图像未受干扰时图像中像素值的变化是渐变的特性,优先选用中心点附近的像素值进行分治查找,达到提高算法效率的目的。理论分析和实验结果均验证了该算法的可行性和有效性。实验结果显示,该算法提高了医学图像的滤波速度,增强了医学图像处理的实时性。     

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。     

一种基于多级阈值的中值滤波算法设计

虽然加权中值滤波在一定程度上对图像有着良好的去噪效果,但是不能在对图像去噪的基础上很好地保留图像细节。针对该算法存在的缺点,提出了基于多级阈值的中值滤波算法。采用Matlab软件编程,通过设定多级阈值方法来检测当前像素点是否为噪声点,使算法在去噪的基础上对图像细节有良好的改善。实验结果表明改进的加权中值滤波算法对图像细节有明显的提高。     

分类中值滤波算法的研究

在标准中值滤波算法的基础上提出了基于聚类方法的滤波算法,该算法除了考虑当前像素和邻域组成的序列的统计特征之外,还考虑到了该序列的结构性特征。首先将该序列分成两类,然后计算当前像素所在的类别的中值作为滤波器的输出。该算法还设计了高低两个阈值来界定中值和均值之间的绝对差的范围,当绝对差属于不同的范围时采用不同的处理方法。最后使用了一些典型例子来说明该方法的去噪效果比标准的方法要更好一些。     

中值滤波的快速算法

利用矩形相邻窗口间的相关信息，提出了中值滤波的快速算法。该算法可将传统算法的复杂度O(n^2）简化为O(n），运算速度大大提高。