一种应用锥形结构元素的形态学滤波器

数学形态学滤波作为一种非线性滤波方法,在抑制噪声、模式识别等图像处理领域得到了广泛的应用。本文采用锥形结构元素构造数学形态学滤波器,使得在滤去噪声同时,能保持原有图像的较丰富的细节,并通过调整结构元素参数,使滤波效果达到最佳。     

基于轮廓结构元素和阈值分割的形态学去噪

将图像分割技术应用于图像复原,提出基于轮廓结构元素和阈值分割的数学形态学去噪算法。该算法对图像进行阈值分割得到目标图像和背景图像,采用不同的轮廓结构元素滤波器算子对得到的2幅图像进行滤波并合成。实验结果表明,与其他形态学滤波算法相比,该算法有效地抑制了噪声,对主要目标的边缘细节起到了较好的保护作用。     

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。     

新的形态学图像降噪方法

提出一种新的基于轮廓结构(CB)元素形态学的多尺度图像降噪方法。考虑到图像在不同尺度下的特性,用基于轮廓结构元素形态学的多尺度算法滤除图像噪声,然后将不同尺度下的降噪图像加权融合在一起,从而得到最终的降噪图像。通过大量实验证明该方法能够有效去除多种不同类型的图像噪声,并在抑制噪声的同时很好地保护了图像的细节和边缘信息。     

双算子形态学滤波器

传统的形态学滤波算子交替性差、耗时长且抑制噪声能力弱. 基于中心互补结构元素与交替对偶算子, 提出了双算子形态学滤波器. 该滤波器继承了经典形态学滤波器的递增性、对偶性和幂等性, 但不满足扩展性和非扩展性. 双算子形态学滤波器具有离散的邻域运算特性, 采用交替小结构元素能去除较结构元素大的噪声块, 且在抑制噪声的同时有效保留了图像细节. 实验结果表明, 与基本的形态学滤波器及目前已改进的形态学滤波器相比, 双算子形态学滤波器具有更强的噪声抑制性能, 且在同等滤波效果下, 其计算量更小, 最终滤波后的图像具有较高的峰值信噪比和较小的均方根误差.     

基于数学形态学的非线性语音增强方法

为了更好地滤除语音信号中的宽带噪声,使语音增强向着非线性方向发展。综合考虑语音和噪声特性,选用合理的结构元素,设计了一种新的形态学滤波算法,构造出用于语音信号滤波增强的非线性形态滤波器。仿真实验和数据分析结果论证了这种基于形态学的非线性语音增强方法的可行性,尤其是对于正负脉冲噪声的滤除效果相对较好。     

基于soft形态学的椒盐噪声滤波器

在软数学形态学理论基础上,根据软形态学单调性、扩展性、和反扩展性,提出了一种SM滤波器。实验结果表明,与其他滤波器(如均值滤波器等)相比,SM滤波器在滤除椒盐噪声、保持图像原有结构方面效果更好。     

基才soft形态学的椒盐噪声滤波器

在软数学形态学理论基础上，根据软形态学单调性、扩展性、和反扩展性，提出了一种SM滤波器。实验结果表明，与其他滤波器（如均值滤波器等）相比，SM滤波器在滤除椒盐噪声、保持图像原有结构方面效果更好。     

基于soft形态学的椒盐噪声滤波器

在软数学形态学理论基础上,根据软形态学单调性、扩展性、和反扩展性,提出了一种SM滤波器.实验结果表明,与其他滤波器(如均值滤波器等)相比,SM滤波器在滤除椒盐噪声、保持图像原有结构方面效果更好.     

自适应梯度幅值和形态学组合滤波算法

针对传统梯度幅值滤波算法中阈值需人工确定而无法正确判断噪声点和产生新噪声点的问题,提出了一种自适应梯度幅值和多结构元素形态学组合滤波算法。首先使用梯度幅度均值与方差的和作为阈值,以及Otsu算法自适应阈值两种自适应滤波算法对图像进行滤波,以自动确定滤波阈值,最大限度滤除噪声点,保持图像细节;然后使用多结构元素组成串联形态学复合滤波器对自适应梯度幅值滤波后的图像进一步滤波,以解决在自适应滤波过程中产生的新噪声问题。通过实验结果对比与分析,该算法滤波后的图像视觉效果明显好于传统滤波方法,从而验证了该算法既能保持图像细节,又能实现较好的图像滤波效果。     

基于二维熵的组合形态学滤波方法及其应用

为了更好地还原被污染的PDF417条码图像,在条码图像识别前应对其进行去噪。提出一种基于二维熵的组合形态学滤波方法,采用基于全方位多尺寸结构元的开-闭滤波器分别对原始图像进行滤波,以各单个滤波器前后图像的二维熵变化大小作为权重,将各单个滤波器的输出进行组合滤波。实验表明,采用该方法可以有效去除噪声并保留图像的局部特征和细节,提高PDF417条码图像的识别率。     

基于多结构元顺序形态变换的灰度图像边缘检测

在简要介绍顺序形态变换的基本概念及相关性质和对顺序形态变换进行边缘检测的原理进行阐述,以及对结构元素和百分位对边缘检测的影响进行讨论的基础上,根据图像形态学多刻度形态滤波的思想,从抑制噪声的角度对基本边缘检测算子进行推广和扩展,首先构造了3种边缘检测算子,并从理论上分析了算子的特性;然后将多结构元与图像边缘进行匹配,提出了3种广义顺序形态边缘检测算子并给出了一般表达形式;最后着重探讨了多结构元素及二重混合顺序形态变换百分位值p、q的选取原则.实验结果表明,该边缘检测算子在抑制噪声对图像边缘的影响和保持图像细节方面,优于传统的边缘检测算子和普通的形态边缘检测器.     

基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

多尺度形态学在彩色图像去噪中的应用

文中阐述了多尺度形态学对彩色图像滤噪。该方法采用大小不同的结构元素进行图像滤波,通过大尺度抑制噪声,小尺度得到丰富的边缘。根据彩色图像各颜色通道RGB的相光敏感曲线,选择结构元素,对图像进行滤波去噪并进行合并。结果表明该方法对噪声有较好的抑制作用,保持了原图像的细节信息,具有一定的可行性和实用性。根据此方法的特点,该方法适用的图像类型是图像中的对象尺寸都比较大,没有细小的细节,对这种类型的图像除噪的效果会比较好。     

基于MATLAB的数字图像去噪处理

数字图像处理在生活各领域有着广泛的应用,随着社会对图像传递信息的要求越来越高必然使数字图像处理进一步发展,而预处理中的噪声处理是其关键一个环节.图像去噪已形成均值法、中值法、维纳滤波等经典方法,但这些算法在处理噪声时却带来一系列的细节缺失以及因方法繁多导致花费大量时间选取算法去针对特定的噪声,而且不一定能得到理想效果.从实践中分析了均值法、中值法、形态学三种处理噪声的效果,并结合仿真结果调整参数得到更好质量的图像,最终结果表明,形态学处理噪声更具有普遍性和优势.     

结合遗传优化的多结构多尺度形态学消噪

传统的形态滤波以及广义形态滤波、自适应加权广义滤波、基于多结构元素的广义形态滤波、基于多方向的广义滤波和基于多尺度的广义滤波在考虑形态学滤波时基本上只兼顾到某一方面或者说只对某一方面的不足进行了改进,不论哪一种滤波方式都没有完全消除噪声。提出了一种基于自适应遗传算法的多结构多尺度形态学滤波方法,主要考虑了滤波窗口的大小、结构元素的种类和方向以及结构元素的优化选择问题,采用遗传算法对结构元素进行优化,并考虑到遗传算法自身的收敛性,采用了保留精英的策略,另外考虑到遗传算法参数的选择问题采用了自适应策略。同时,结合自适应加权广义形态滤波的思想构建基于遗传优化的多结构多尺度自适应加权形态滤波器,滤波效果比传统的形态滤波、广义形态滤波及在此基础上改进的滤波方法效果均好。     

基于像素点聚类分离的滤波算法

为了提高受随机值脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。对噪声图像进行初步滤波,分辨出图像中比较明显的噪声;根据图像局部像素点的相似性和噪声点的孤立性,计算出噪声图像的相关矩阵;运用模糊C均值聚类算法对所求相关矩阵进行迭代聚类,分离出噪声点和正常像素点;对噪声点进行中值滤波。实验结果表明,与传统算法相比,该算法能更好地滤除噪声点,保护了更多的图像细节,具有良好的滤波效果。     

基于多尺度轮廓结构元素的多形状边缘检测

在图像边缘检测过程中,针对滤除噪声及有效保留图像边缘信息这对矛盾点进行了研究,给出一种基于多尺度轮廓结构元素的多形状边缘检测算法。该算法通过多次使用轮廓结构元素的开最大和闭最小运算操作滤除噪声,运算次数通过比较图像峰值信噪比确定,降低结构元素对边缘信息的影响;然后采用多形状多尺度结构元素提取图像边缘,并利用图像峰值信噪比控制结构元素尺度的选取。与经典边缘检测算法相比,该算法具有更强的去噪声能力,且能保留更多的图像细节。仿真实验表明,有区别地使用轮廓结构元素及多形状多尺度结构元素,能有效去噪并保留边缘信息。