基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

基于色彩特征的超声医学图像分析方法

图像分割是计算机图像识别和理解的基础，本文提出一种基于色彩特征的彩色多普勒图像分割和基于频域双线性插值的图像旋转与用户交互式剪切相结合的图像分析方法，通过计算彩色超声医学图像的三基色R，G，B的色彩特征，提取出感兴趣的区域并实现了图像的分割，实验证明这是快速可行的彩色分割方法。     

一种高效的医学图像滤波方法

作为观察人体内组织、器官的医学图像有其独有的特点,本研究在图像形态学重建算法的基础上,提出一种适用于各种医学图像的滤波方法,此滤波方法首先在感兴趣区域内寻找"最大八连通域",然后通过改进后的测量膨胀算法对图像内所有像素进行选择,最终实现自动保留感兴趣区域,并去除其他非感兴趣区域的目的,实验结果证明,与传统的滤波方法相比,此方法可以既快速又有效地对X-CT图像、MRI图像和超声图像进行滤波处理。     

基于局部结构形态改进图像边缘限幅滤波算法研究

应用经典限幅滤波算法(CFA)对边缘去噪处理时容易造成有效的高频边缘被抑制、破坏边缘连续性、丢失目标结构特征的问题.提出了一种基于局部结构形态特征的改进型限幅滤波算法,用于图像边缘滤波处理.该算法利用限幅滤波的原理,引入由5个相邻边缘点构成的滑动模子并遍历边缘各点,对滑动模子中增量超限的点加以结构形态预测和阈值判断,即...     

一种医学超声图像降噪方法

提出一种基于小波变换的医学超声图像降噪方法。图像进行三次小波分解,对变换后不同尺度的高频子图像进行小波半软阈值处理,最后通过小波逆变换和指数变换重构图像。     

基于拉普拉斯滤波的形态相关器

本文提出了一种基于拉普拉斯滤波的形态相关器(LBMC),用来改进传统光学形态相关器的性能.与形态相关器不同,在执行最后的傅里叶变换之前,LBMC还须对传统形态相关器的联合功率谱做拉普拉斯能谱强度滤波处理.计算机模拟测试结果表明,与线性相关和形态相关器相比,LBMC能够产生强而尖锐的相关信号,具有更强的识别能力.当输入图像受椒盐噪声影响时,LBMC保持了高且稳定的自相关-互相关比和峰噪比,从而表现出更强的鲁棒性.尽管当乘法照明因子大于1时,LBMC丧失了传统MC的照明不变识别能力,但其保证相当高的识别度.     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

自适应滤波在多界面超声检测中的应用

超声检测在多界面粘接检测应用中，由于多界面结构的特殊性，造成回波信号不易分辨。本文采用双探头对射法和单探头反射法对构件进行多次检测，再多次利用自适应滤波对回波信号进行特征提取。实验证明，这种方法能够较好的提取出各界面脱粘特征信号。     

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次,提出了一种评价平滑图像边缘保持的方法。通过计算发现,常用的标准滤波方法：增强Lee滤波、Kuan滤波、增强Frost滤波和Gamma MAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进,并分析了这种方法能够保持图像边缘的原因。     

进化论自适应滤波算法及降噪特性研究

基于生物进化论策略的自适应滤波算法，利用其有性繁殖和无性繁殖的随机搜索能力实现全局最优搜索，可克服最小均方法（Least Mean Square，简称：LMS）对于多峰特性问题有可能收敛于某一局部最小值，无法实现全局最优的缺点。提出峰值系数指标PR（Peak Ratio）概念解决进化论自适应滤波器的性能评估问题，提出收敛速度CS（Converge Speed）指标和峰值系数指标PR高度的方法解决最优滤波参数的选取问题，并列进化论自适应滤波器的降噪进行模拟仿真，讨论了滤波长度和进化系数对进化论自适应算法消噪效果的影响及最优滤波参数。     

基于噪声点多级检测的自适应中值滤波算法

针对传统中值滤波算法在图像去噪过程中造成较多图像细节信息丢失的问题,提出了一种基于噪声点多级检测的自适应中值滤波算法。该算法根据像素的空间相关性,逐级检测不同空间特征的噪声点。首先根据滤波窗口中相近像素点的数量来检测空间孤立的单个噪声点;然后通过扩展邻近窗口的方式检测空间连续的两个噪声点;接着进一步增加约束条件对空间连续的三个及以上的噪声点进行检测;最后对判断为噪声的像素用滤波窗口的中值替换。此外,该算法还能通过自适应地调整像素空间相关性判别阈值来处理不同分布特征的噪声。实验结果表明,与现有中值滤波算法相比,算法在有效滤除图像噪声的同时能更好地保护图像细节信息。     

基于WDFB及形态膨胀的图像压缩算法

将小波和方向滤波器组结合,实现了一种非冗余的图像变换WDFB,它满足各向异性尺度关系,能更稀疏地表示诸如边缘和纹理等几何特征.利用WDFB的优势,提出一种基于形态学操作的有效的图像压缩算法.该算法利用重要树来表达子带间的相关性,同时采用形态膨胀算子来聚类子带内的重要系数.实验结果表明,新算法在PSNR指标上明显优于基于小波的压缩算法,尤其对于含有丰富纹理的图像.例如对于512×512的Barbara图,在0.25bpp压缩率下,新算法比SPIHT和MRWD算法的PSNR分别提高1.08dB和0.87dB.     

图像去椒盐噪声滤波器的研究

在图像平滑过程中,如何滤除噪声同时保护图像的细节是一个研究热点.本文提出并设计一种将十字窗和叉形窗有机结合的多窗口自适应中值滤波器(MWMF滤波器),可根据窗口内图像自身的形状,自适应地选择十字窗和叉形窗.在比较多窗口自适应中值滤波和形态滤波这两种滤波器的优缺点之后,还提出并设计了非线性组合滤波器.实验表明该滤波器滤除椒盐噪声的效果优于单独使用中值滤波或形态学滤噪,在椒盐噪声概率超过0.2时优势尤为明显.     

自适应收缩函数的Contourlet变换图像去噪方法

针对传统图像在去噪过程中存在丢失细节且去噪效果不理想的情况,提出一种自适应收缩函数的Contourlet变换图像去噪方法.该方法利用Contourlet变换的基本形式,结合软阈值和硬阈值收缩函数的优点定义自适应收缩函数,并将其应用于图像去噪.实验结果表明,所提出的方法能有效消除噪点,图像的峰值信噪比及增强因子等图像质量指标有明显地提高,去噪后图像的视觉效果良好.     

新颖的CB形态学串并复合散斑噪声滤波器

基于轮廓结构元素形态学(CB形态学)和广义多结构元素的数学形态学,构造了一种新颖的用于抑制图像中的散斑噪声的串并复合滤波器.首先采用全方位多结构元素的广义多刻度形态开最大滤波器与广义多刻度形态闭最小滤波器相并联的滤波器进行滤波,力求在滤波的同时图像几何细节损失尽可能少,然后通过级联的CB开和CB闭滤波器,再滤除剩余的斑点噪声,从而在有效抑制图像中的散斑噪声的同时更好地保持了图像的细节信息.分析和仿真表明了本文提出的滤波算法的有效性.     

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声.该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算.实验结果表明,...     

基于参考模型的自适应环境噪声处理

本文讨论了一种带有参考通道的自适应环境噪声滤波器原理，该滤波器采用最小均方误差(LMS)算法。将此滤波器应用于复杂噪音背景的语音信号提取，能很好地抑制背景噪声，从而获得清晰的语音信号。     

Sage_Husa自适应滤波算法在捷联组合导航系统中的应用

以组合导航系统为应用背景,在现有方法的基础上,提出Sage_ Husa自适应滤波算法的应用.采用常规卡尔曼滤波时,需要知道系统的数学模型和噪声统计的先验知识,但是在实际系统中,系统的数学模型和噪声统计是未知的、近似的或部分已知的.用不准确的模型或噪声统计设计出的卡尔曼滤波器将导致状态估值误差增大,甚至使滤波发散.Sag...     

应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法

首先对彩色图像RGB 3个颜色通道的子图像,以串行的方式,确定出各颜色通道的脉冲噪声位置。根据待检测像素点附近4个邻域的灰度均值,自适应调整脉冲噪声判断阈值。由各通道的噪声检测结果经运算得到彩色图像脉冲噪声检测结果。采用改进的自适应矢量中值滤波法,对脉冲噪声有选择地滤除。实验结果表明,该方法结合标量方法进行脉冲噪声检测,矢量方法滤除彩色图像中的脉冲噪声,具有较好的滤波性能指标和视觉效果。     

基于小波神经网络的激光散斑图像去噪技术研究

提出基于小波神经网络的图像去噪方法,该方法兼有小波分析的良好时频域特性和神经网络的自适应能力.实验结果表明,该方法在去除噪声上优于中值滤波等传统去噪声方法,其散斑指数较小,峰值信噪比较大,在有效去除噪声同时,又能很好地保护图像的细节信息.