棉花噪声图像的检测与滤波

针对当前图像噪声检测中存在的“虚噪声”以及中值滤波对图像边缘特征的影响,提出将图像饱和度通道像素中极大值或极小值的点列为可疑噪声点,在图像色调通道检测出噪声点与色相相近可疑噪声点,对明度通道色相相近的可疑噪声点进行再判别,筛选出噪声和有用信号。同时,对选取窗口内4个特定方向上的像素点灰度值进行排序,对排序后的各个中值进行加权计算,用计算结果替代窗口中心像素的灰度值。试验结果表明,该方法能够有效检测彩色图像饱和度通道表现出的“虚噪声”,在去除噪声的同时有效保护图像细节。与其他滤波方法相比,峰值信噪比(PSNR)平均提高了8.2%,归一化均方误差(NMSE)至少降低了0.004,在滤波性能与滤波速度上都具有优势。     

棉花图像采集中的椒盐噪声抑制

为了消除大容量棉花纤维测试仪在图像采集过程中出现的椒盐噪声,改善试样棉花图像质量,提出一种自适应中值噪声抑制方法。该方法在噪声检测中采用了基于灰度阈值的二次判别,避免了噪声的漏检。在此基础上,根据噪声污染程度自动匹配滤波窗口尺寸,采用中值滤波原理去除椒盐噪声。仿真试验结果表明,自适应中值噪声抑制方法在有效消除噪声的同时,保护了棉花图像中杂质的边缘细节。同时,在70%的大噪声密度下峰值信噪比(PSNR)达到26.49,降噪耗时最优仅为5×5极值滤波法的13%,能够有效用于棉花图像椒盐噪声的消除。     

基于灰度邻域操作的缺陷图像消噪分析与实现

以图像中的噪声影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出了基于MATLAB的灰度邻域操作消噪方法。该方法将灰度化的缺陷图像,利用相邻像素间的颜色分布对图像进行平滑、增强、边缘提取、滤波、恢复。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好的保护图像细节,较准确的复原受噪图像特征。     

一种非线性滤波算法应用

在数字图像处理技术中,中值滤波是一种对干扰脉冲和点状噪声有良好抑制作用,而能较好地保持图像边缘的非线性图像增强技术。介绍了中值滤波算法的原理、中值滤波的特性以及中值滤波的编程实现。     

一种新型大米检测图像的自适应滤波算法

针对大米检测图像中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法，结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强，特别在噪声密度比较高的情况。     

图像去噪领域中的优化中值滤波算法研究

文中,主要针对传统的标;住中值滤波算法的一些缺陷,通过对均值思想的利用设计了基于加权处理的自适应中值滤波算法,实验结果表明,改进后的算法能够在消除脉冲噪声的前提下更好的保护原有图像中细节信息。所以,改进后算法相较于传统的标准中值滤波算法具有更好的适用性。     

基于椒盐噪声的中值滤波改进算法

椒盐噪声图片在滤波上,我们对标准中值滤波算法上的不足进行改进,在改进中提出了一种结合均值滤波的中值滤波改进算法,该算法是一种通过加权并选取滤波算子的滤波改进算法。在vs2013+opencv2.4.8环境下进行实验,该算法对原始图片的边缘与细节有更好的保护作用,并且对椒盐噪声具有更好的滤波性能,同时在对椒盐噪声上有很好的鲁棒性。     

基于邻域关联特性的纸病去噪方法

对传统的均值滤波、中值滤波的优缺点进行了分析,引入基于邻域关联特性的图像滤波去噪方法。该方法针对纸病图像噪声源多、样本有限等局限性,根据系统各因素间的内部联系和发展态势的相似程度来度量因素之间的关联程度,从而进行滤波。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好地保护图像细节。在纸病检测测试中,该方法可以解决纸病准确去噪的问题。     

基于空间信息的鲁棒模糊C均值聚类的苗族服饰图像分割算法

针对苗族服饰图像中破损污渍、折叠痕迹、色彩差异大和噪声破坏等现象所导致的传统模糊C均值聚类(Fuzzy C-means, FCM)算法分割质量不佳问题,提出了基于空间信息鲁棒FCM算法,用于苗族服饰图像分割。通过均值滤波和中值滤波处理空间邻域信息,对应获得2种方法,并用一个加权参数调节模糊隶属度的稀疏性,旨在加强细节的提取和提高算法对噪声的鲁棒性。实验表明,对于被高斯噪声破坏的图像,基于均值滤波处理的改进算法,其划分系数提高约3.6%,划分熵降低约5.6%;对于被椒盐噪声破坏的图像,基于中值滤波处理的空间约束项的改进算法,划分系数提高约2.7%,划分熵降低约4.3%。该算法提高了对这类苗族服饰图像分割的质量,对于传统文化的传承具有非凡的意义。     

自适应中值滤波在图像处理中的应用

图像在形成和传输的过程中会受到许多噪声污染,这时就需要对其进行滤波。传统的中值滤波在处理噪声污染时常常会牺牲掉一些图像细节部分,而自适应中值滤波在图像处理中具有更好的处理效果,可以在不影响到图像细节的基础之上,通过对噪声的检测,确定滤波窗口尺寸,再对其进行噪声的滤除,因此自适应中值滤波被广泛应用到图像处理中。