一种基于噪声拓扑结构的红外图像去噪方法

基于红外脉冲噪声的特点,提出了一种新的非常有效的脉冲噪声的去噪算法。该算法首先利用噪声的拓扑连通性实现对图像的脉冲噪声点的标识,然后利用噪声点周围非噪声点的信息,对其进行修复。最后仿真结果表明,在信噪比和细节保留方面,该文算法要明显优于标准中值滤波。     

基于邻域信息的自适应中值滤波算法

针对图像中普遍存在的脉冲噪声,提出了一种自适应中值滤波算法,该算法在有效去除噪声的前提下能够保留更多的图像细节。首先,根据脉冲噪声灰度值为0或1的特点初步区分图像中的噪声点和信号点;其次,在每一个可疑噪声点周围取一定大小的邻域,通过判断该可疑噪声点与邻域内其他像素点之间相关性的大小进一步判断该点是否为真正噪声点,若为真正噪声点则利用邻域内所有可靠像素点的中值代替,否则输出原信号点。利用可见光及红外图像将所提算法与几种算法（如传统中值滤波算法、极值中值滤波算法,等）进行比较,实验结果表明该方法能够获得最高的峰值信噪比,去噪效果最佳。     

先验自适应中值滤波图像增强算法

通过分析传统中值滤波与自适应中值滤波算法的特点,提出了先验自适应中值滤波算法。该算法的思路是先对噪声进行检测与标识,再构造噪声标识矩阵,根据中值滤波算法原理在取中值时排除邻域内噪声点的灰度值。该算法避免了过度滤波,在保证滤波效果的前提下提高了滤波效率。     

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PCNN的脉冲噪声滤波算法

鉴于噪声点和边缘点具有相似性,传统中值滤波、均值滤波很难对其进行区分,容易造成图像细节丢失。本文通过分析总结脉冲噪声的特点及脉冲耦合神经网络(PCNN)的工作机理,提出了一种基于PCNN的脉冲噪声滤波算法。首先利用PC-NN的脉冲传播特性检测出原始图像的噪声点和边缘点,然后利用噪声点和边缘点不同特点对其进行判断区分,若为噪声点进行中值滤波,边缘点则不做处理。实验结果表明该方法不但能有效的去除图像中的脉冲噪声,而且能很好的保护图像细节信息且提高了去噪后图像的峰值信噪比。     

基于2级噪声检测的改进中值滤波算法

针对传统中值滤波算法去除高密度椒盐噪声能力的不足,提出了一种新的改进算法.该算法首先采用2级噪声检测方法对图像中的信号点和噪声点进行标识,然后对检测出的噪声点利用改进的中值滤波算法进行处理,而对信号点则保留其灰度值不变.实验结果表明,该算法能在有效去除噪声的同时很好地保留图像细节,相比于传统中值滤波及其它改进中值滤波算法,该算法获得的去噪后的图像具有更好的客观评价指标和主观视觉效果.     

一种变分自适应中值滤波算法

针对自适应中值和变分滤波方法脉冲噪声去除能力的不足，提出了一种新的变分自适应中值滤波方法。首先采用自适应中值滤波器对脉冲噪点进行标识，然后对标识的噪点构建由逼近条件和边缘保持正则化条件构成的代价函数，通过变分方法对代价函数寻优求解，对噪点进行恢复。最后进行了仿真试验，并与标准中值滤波，开关中值滤波，自适应中值滤波，和变分滤波方法进行了比较。试验结果表明，在信噪比和细节保留方面明显优于上述滤波方法，可以有效去除高达90%的脉冲噪声。     

一种快速自适应数字图像脉冲噪声滤除算法

根据脉冲噪声的特点,利用检测窗口内像素灰度值的统计信息,自适应地将数字图像中的噪声点检测出来,滤波算法只对噪声点进行处理,用噪声点邻域内所有信号点去极值后的平均值作为噪声点的滤波输出,实验结果表明该算法的滤波性能和计算速度都明显好于常用的中值滤波,具有良好的实用价值.     

一种去除图像混合噪声的滤波算法

经典的中值滤波和均值滤波常常被分别用来滤除脉冲噪声和高斯噪声,但是当图像同时存在脉冲噪声和高斯噪声时,这两种滤波算法都不能达到最好的滤波效果。为了能同时滤除两种不同性质的噪声,提出了一种新的混合噪声滤波算法。该算法首先根据脉冲噪声的特点和像素的局部能量信息,分离出脉冲噪声并采用中值滤波算法加以去除,然后对含有高斯噪声的图像采用均值滤波算法进行去噪。试验结果表明,该算法在有效滤除混合噪声的同时,能很好地保护图像的细节,从而为去除图像中的混合噪声提供了一种有效的途径。     

激光扫描数据脉冲噪声自适应检测和滤除

针对现有脉冲噪声滤波算法在处理大斜率区域和断线型激光扫描数据中存在的多判和漏判问题,提出了一种有效检测脉冲噪声的方法.该方法依据局部脉冲噪声的分布,利用自适应弦偏差法进行噪声点检测;对噪声点自适应地选择滤波窗口中的非脉冲噪声数据进行中值滤波,以实现噪声滤除.实例结果表明：采用文中方法使得噪声检测更为准确,在滤除噪声的同时有效地保持了数据的细节.     

一种基于脉冲噪声检测的图像均值滤波方法

论文提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用均值滤波方法滤除脉冲噪声的方法。该方法首先采用串行方式,对含有脉冲噪声的图像进行逐点检测,其中判断噪声点的阈值可自适应地调整。采用窗口长度自适应调整和选择性取样的均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地滤除脉冲噪声,又可以较好地保持图像边缘细节,对图像的后续处理有很好的价值。论文最后给出了实验滤波结果,说明了该方法的有效性。     

改进型Q-NLM算法在医学图像去噪中的应用

将像素离群度与传统非局部均值算法相结合提出一种改进型的非局部均值滤波Q-NLM算法,针对传统非局部均值算法不适应脉冲噪声去噪的问题,提出了像素离群度Q的概念,像素离群度Q值用于判断原像素与脉冲噪声的相似度,依据像素离群度Q值划分像素区域,调整不同区域阈值且引入中值滤波去除脉冲噪声点,进一步降低医学图片中混合噪声对滤波的影响。仿真实验结果显示,这种结合离群度与非局部均值算法在去除混合噪声的情况下,能较好提高图像信噪比,有效保留CT图像细节。     

自适应控制迭代的随机值脉冲噪声滤波

定义了一种更接近实际噪声情况的随机值脉冲噪声模型,针对随机值脉冲噪声的滤除提出一种自适应控制迭代次数的滤波算法。算法包括噪声检测、噪声滤除、误检像素修正和迭代控制四个步骤,对固定值脉冲噪声和随机值脉冲噪声均能有效滤除。与中值滤波算法进行实验比较,在滤除随机值脉冲噪声时,该算法滤波后图像细节信息保护较好,且滤波过程无需设定迭代参数,自适应性强。     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。     

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。     

Context model based edge preservation filter for impulse noise removal

In this article, a new edge preserving contextual model based image restoration technique is proposed for images affected by impulse noise. The proposed restoration technique consists of two stages: noisy pixel identification and restoration. Center sliding window is considered as current processing pixel for both noisy pixel identification and restoration. In the first stage of the proposed technique, we follow an absolute directional difference of the neighborhood pixels to identify the pixels those are affected by impulse noise. We propose an edge preserving contextual model to restore the noisy pixels. The noise correction stage of the proposed scheme depends on the context model of the noise-free pixels in the selected window. The parameters of the contextual model are obtained using a Gaussian kernel. The proposed algorithm is tested on nine benchmark test images. The evaluation of the proposed algorithm is carried out by comparing it against nine competitive state-of-the-art algorithms for impulse noise removal. The proposed algorithm is evaluated using Peak Signal to Noise Ratio (PSNR), Mean Structural Similarity Index (MSSIM), Non-shifted Edge Ratio (NSER) and Correlation Factor (CF) performance measures. Experimental results corroborate that the proposed algorithm provides better performance than the existing state-of-art impulse denoising methods.     

基于排序跳变点的脉冲噪声检测与滤除算法

提出了一种简单的判断脉冲噪声点的算法。该算法先将滤波窗口内的像素值按照大小排序,然后找到排序后像素值的两个最大跳变点,如果此跳变点发生在靠近最大值或最小值处,并且跳变幅度超过文中实验得出的域值,就可以根据窗口中心像素值的位置,即它在两个跳变点所确定的范围之内还是之外,将其判为信号点或噪声点,最后用判断出的信号点对噪声点进行恢复。实验结果表明,该算法能够几乎准确地判断出噪声点与信号点,从而达到了更好的去噪效果。     

基于脉冲噪声检测与信号压缩的滤波算法

针对传统滤波算法细节保护能力不强的缺点,提出一种基于脉冲噪声检测与信号压缩的滤波算法。在噪声检测阶段排序检测窗口内的像素点,判定极值附近灰度值落在一定范围内的点为噪声点,并生成噪声模版;在噪声滤除阶段提取滤波窗口内信息点并压缩,进一步排除误检。根据不同噪声密度进行不同滤波,并循环迭代直至整个图像中的所有脉冲噪声点被滤除。实验结果表明,该算法具有较好的噪声滤除和细节保护能力,尤其是在高强度噪声条件下效果更明显。