一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法.利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类.然后将可能的噪声点进一步细分为边缘点、噪声点和信号点:利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波.经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果.     

一种简单的椒盐噪声滤波算法

文章提出了一种基于先定位、后滤波思想的椒盐噪声滤除算法。该算法根据噪声特点,将图像像素分为信号像素或可能的噪声像素两种类别,对于可能的噪声像素,采取去噪中值滤波算法进行滤波,而对于信号像素则不做任何处理,以保留更多的图像细节。文中给出了标准的中值滤波算法、极值中值滤波算法和该文的算法的比较实验,结果表明,该文算法对噪声高度污染图像的去噪能力明显比其它两种算法强,且能较好地保留图像细节。     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

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.     

椒盐噪声的一种滤波算法

椒盐噪声的滤波一般以中值滤波为基础,有多种滤波方法。文章根据椒盐噪声点所处区域不同,采用不同的处理方法：对非边缘噪声采用均值滤波,对边缘噪声点采用最小值,增强边缘;并对非噪声区域保持原值。该算法具有较好的滤波效果,并对细微边缘有较好的保护作用。     

图像椒盐噪声的开关滤波算法综述

椒盐噪声去除是图像去噪领域的经典问题。开关滤波是一类流行的椒盐噪声去除方法。它将椒盐噪声去除过程分成噪声检测和噪声恢复两个阶段,先检测图像中的椒盐噪声点,然后仅对检测到的噪声点进行滤波恢复,保持非噪声点的灰度不变,有利于保护图像细节。在对椒盐噪声特性阐述的基础上,详细介绍了国内外近年来出现的10种开关滤波算法,分析了它们各自在噪声检测和噪声恢复上的优缺点。最后,指出了现有的开关滤波算法面临的一类新问题。     

一种新的去除视觉文本图像椒盐噪声的算法

针对视觉文本图像,在获取、处理、传输中产生的椒盐噪声,提出一种基于文字笔画特性消除椒盐噪声的新算法。该算法智能判断被处理像素及其邻域内的像素点是否为噪声,从而有效地把文字目标和椒盐噪声加以区分。实验结果显示,相比传统的去噪和平滑算法,该方法能准确地抑制噪声,同时避免了对文字笔画的影响,减少了对后继识别的干扰。     

强椒盐噪声下的模糊边缘自适应中值滤波算法

在图像的获取或传输过程中可能会受到一些干扰从而产生椒盐噪音,产生的噪声图像失去了一些特征要素。传统的中值滤波方法对椒盐噪音有一定的滤除作用,但当椒盐噪声的密度较大时滤波效果会变差,现有的自适应中值滤波算法对高密度下的椒盐噪声的滤除效果有了很大的提升,但仍难以保留细节。对此本文提出了一种适用于高密度椒盐噪声的自适应中值滤波改进算法,该算法将噪声点和信号点分别进行处理,之后进行模糊逻辑图像边缘检测,对模糊边缘像素点进行二次自适应中值滤波处理。该算法具有结构简单,通用性强,运行速度快等特点。实验结果表明,该算法对高密度的椒盐噪声具有很好的滤波效果。     

一种用于抑制椒盐噪声的自适应快速滤波算法

针对受椒盐噪声不同程度污染的灰度图像滤波问题,提出了一种用于抑制椒盐噪声的自适应快速滤波算法。该算法针对像素点的不同属性采用不同策略的滤波手段,能有效保护图像细节;依据可能噪声密度自动控制滤波迭代次数,能自动抑制不同密度的椒盐噪声;基于字符串的统计排序记录方法减少了统计排序的次数,使算法一次迭代滤波耗时与标准中值滤波相当。实验结果表明,该算法自适应能力强、运算效率高、滤波效果好。     

基于一维模型的椒盐噪声去除方法

提出了一种基于一维信号处理去除图像椒盐脉冲噪声的方法,该算法给出了4种二维信号转换为一维信号的模型,用线性处理代替块处理去除图像椒盐脉冲噪声。经过实验仿真并与其他滤波算法比较表明,该算法可以有效地去除图像中的椒盐脉冲噪声,尤其是在计算复杂度上表现了很好的性能,同时也降低了图像边界点处理的边界效应。     

有效去除图像中脉冲噪声的新型滤波算法

提出一种基于局部极值噪声检测的迭代中值滤波算法．该算法集中了minrnax算法与PSM算法各自的优势，并将两种算法有机地结合起来．经过实验仿真并与其他滤波算法进行比较表明，该算法可以有效地去除图像中的脉冲噪声，尤其是在噪声密度非常大的情况下表现了很好的性能。     

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。     

一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法,该算法应用微分算子确定被处理象素及其领域内的象素点是否为噪声点,在具有视觉统一性的色度空间中对图象进行高斯加权时,不仅去除噪声点的影响,而且应用分类准则,对象素及其领域内的点进行分类,选取同类点参加滤波,该方法有效抑制了噪声点的影响,提高了滤
滤波的视觉效益,实验证明了该算法的有效性。     

一种新型噪声检测中值滤波算法

本文提出了一种基于噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中,噪声检测方法改进了Minmax方法。经过实验仿真并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

基于多图像先验知识的噪声水平评估算法

为解决基于单图像噪声水平评估算法抗干扰能力低和执行效率不高的问题,提出一种基于多图像先验知识的噪声水平评估算法.首先,在具有广泛代表性且未受噪声干扰图像集合上添加已知噪声水平的高斯噪声构建失真样本图像集合,并提取每幅样本图像中的若干统计特征值构成描述他们噪声水平值高低的噪声水平感知特征矢量.然后,利用样本图像上所提取的特征矢量及对其所施加的噪声水平值构成样本库.在评估时,先提取待评价噪声图像的特征矢量并在样本库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值, 之后基于这些样本信息以加权均值法估算待评价图像的噪声水平值.实验数据表明：较现有的噪声水平评估算法,新算法不仅在高、中、低噪声水平下都具有稳定的预测准确度,而且评估速度快.尤其是对于高斯噪声中伴有脉冲或者泊松噪声情况,具有较好的抗干扰能力.     

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。