自适应权值滤波消除图像椒盐噪声的方法

提出了一种自适应权值滤波算法。该方法利用邻域差分法(ROAD)判定滤波中心点的有效性,若判定该点为噪声,则将邻域像素分别赋予不同权值对该点像素重构,邻域像素权重系数的分配随该点有效程度的增加而增大。一方面抑制了图像噪声,另一方面保留了图像细节。实验证明该方法在滤除椒盐噪声时,无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善。当图像中含有35%的椒盐噪声时,利用该方法恢复数据效果比传统中值滤波提高10 dB。     

用于磁瓦图像的改进的自适应中值滤波算法

为消除磁瓦图像中的脉冲噪声,提出一种改进的自适应中值滤波算法:该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出,尽可能地减小了滤波窗口,使得图像细节得到更好地保护;同时该算法对位于窗口中心的疑似噪声点进行二次判别,避免了将信号点误判为噪声点;然后将噪声点按改进的中值滤波输出,而信号点灰度保持不变。仿真实验结果表明,该算法能够有效地滤除磁瓦图像中不同水平的脉冲噪声,并较好地保留原始图像细节信息,较标准中值滤波及其它改进中值滤波算法有更优的滤波性能。     

基于小波包域噪声能量分布的脉冲噪声消除

针对信号被平稳脉冲噪声污染的场合,提出了一种从含噪信号中检测脉冲噪声并降噪的脉冲噪声消除方法.该方法选择脉冲噪声能量相比含噪信号能量最为显著的小波包树节点,并利用该节点小波包系数重构信号进而检测脉冲噪声的时域分布.在降噪中,该方法于小波包域内估计脉冲噪声的能量分布并依据估计结果计算每段脉冲噪声的滤波阀值.将该方法用语音增强实验验证,结果表明所提出的检测算法能获得较好的检测结果,而提出的降噪算法能显著地改善信噪比,获得较好的降噪效果.将文中的检测算法应用于轴承故障检测的信号预处理,进一步验证了方法的有效性.     

一种改进的Canny边缘检测算法

针对Canny边缘检测算法存在的缺陷,提出了一种改进型Canny边缘检测算法。首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制了噪声的影响;最后采用平均方差阈值法选取阈值,从而提高了对不同图像的自适应性。通过对实验图像的分析表明,该改进算法对含噪图像的边缘提取具有较好的检测精度和准确性。     

基于邻域评价法的带钢表面缺陷图像脉冲噪声去除

针对冷轧带钢表而缺陷图像脉冲噪声的去除,通过对一些经典脉冲噪声滤波器的研究,提出了一种基于局部相似度分析和邻域噪声评价相结合的图像去噪方法.该滤波器算法在脉冲噪声评价过程中发现图像的轮廓和噪声,只处理噪声点而保持轮廓像素点不变,更有效地改善了定位噪声和保护细节的精确性.大量的仿真实验表明,这种新型的图像脉冲噪声滤波器比其他经典滤波器不论是在视觉效果上,还是在定苗的评价指标上都有更好的效果,具有一定的应用价值.     

一种基于噪声连接分量的自适应层次中值滤波算法

针对椒盐噪声污染图像的降噪,提出一种基于噪声连接分量的自适应层次中值滤波算法。首先根据椒盐噪声像素点的邻接关系和分布特点,对噪声定位图像实施标记处理;然后计算各连接分量集合中元素的个数,将噪声定位图像分层,得到层次噪声定位图像;最后按照由低层到高层的顺序,逐层对噪声污染图像进行标准中值滤波处理,而标准中值滤波的窗口大小则依据连接分量自适应地进行调整,最终得到滤波结果。将该算法与标准中值滤波、自适应中值滤波进行仿真实验,并与其他中值滤波算法就指标PSNR进行比较,均表明该算法降噪效果优良。     

微焦点X射线图像乘性加性混合噪声的去除

考虑微焦点X射线仪成像信噪比低,混合噪声污染严重等问题,提出了一种乘性、加性混合噪声去除方法。首先,建立了含乘性、加性混合噪声的图像模型;其次,基于总变分和稀疏表示原理分别构造了滤除加性噪声和乘性噪声的目标函数;最后,应用显式差分算法和梯度投影算法分步滤除加性噪声和乘性噪声。实验结果显示,与总变分去加性噪声方法相比,该方法处理后的图像平滑区域均值与标准差比(MSR)平均提升了10.9%,细节区域拉普拉斯梯度模(LS)平均提升了15.6%。这些结果表明:本文算法不仅有效滤除了微焦点X射线图像的混合噪声,并且较好地保留了图像细节特征,能够满足集成电路内部缺陷检测对图像平滑度和细节清晰度的要求。     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。     

自适应滤波算法消除泥浆脉冲信号中的泵冲噪声

随钻测量系统中自适应噪声抵消器可根据泥浆脉冲信号的特点,运用自适应噪声抵消算法抑制噪声干扰,但同时也会抵消掉部分有用信号,影响后续解码的可靠性。在分析泥浆脉冲信号噪声干扰及自适应滤波算法的基础上,提出一种新的滤波算法,用自适应陷波器来降低主通道信号与参考信号的相关性,保护有用信号不被抵消,克服了以往单采用自适应噪声抵消器存在的最大弊端。实验结果表明,自适应陷波器、自适应噪声抵消器相配合的自适应滤波算法,能在任何信噪比情况下有效滤除泵冲噪声并保护有用信号的能量,简单可靠且适用性强,对提高泥浆脉冲信号的信噪比,降低随钻测量通信的误码率,具有较高的实用价值。     

一种改进的基于差分曲率和对比度场的细节增强算法

针对图像细节增强过程中梯度对噪声敏感的缺点,本文提出了一种改进的基于差分曲率和对比度场的细节增强算法.首先,该算法利用差分曲率代替梯度值决定系数的放大倍数,以差分曲率作为自变量的放大系数函数考虑了更多的邻域像素,从而克服了图像梯度对噪声敏感的缺点;然后,利用该放大系数非线性地放大对比度场,并构造能量泛函;最后,通过变分方法得到增强后的图像.标准测试图像和工业X射线图像的实验结果表明,本文提出的算法在有效增强图像对比度的同时,能够较好地抑制噪声.     

一种遗传-模糊神经网络图像滤波器

提出了一种新的模糊神经网络与遗传算法相结合的非线性图像滤波器 ,通过有效的编码方案 ,遗传算法可以在很短的进化代数内完成对网络参数的学习。包含于网络中的模糊推理有效地恢复了受污染的像素点 ,同时并不降低原始图像的品质。仿真实验表明 ,该滤波器对冲击噪声有很好的滤除效果 ,明显地优于传统的图像滤波器     

基于行列处理消除正向脉冲噪声非线性滤波器

在光电成像应用领域中,有时会在图像上产生大量的正向脉冲噪声,严重地影响了图像质量。本文针对数字图像中出现的正向脉冲噪声,提出了基于行列处理消除正向脉冲噪声的非线性滤波器（ＲＣＦ）,并分析了它的滤波和细节保护特性。通过对仿真图像的处理和应用实例,与几种非线性滤波器做了对比。实验表明基于行列处理的非线性滤波器通过简单的行列处理,不但能有效消除正向脉冲噪声,而且对图像边缘和细节具有较强的保护能力,     

Iterative Adaptive Median Filter for Impulse Noise Cancellation

Based on the characteristics of impulse noises,the authors establish a new filter,Iterative Adaptive Median Filter (IAMF).According to the charactics of images polluted by impulse noises,they establish weight ftnction combined with iterative algorithm to eliminate noises.In IAMF filter process,because the noise spots do not participate in the computation,they do not influence the normal points in the image,therefore IAMF can retain the detail well,maintain the good clarity after processing image,and simultaneously reduce the computation.Experiments showed that IAMF have ideal denoising effect for the images polluted by the impulse noises;especially when the noise rates are more than 0.5,IAMF is more prominent,even when the noise rates are more than 0.9,IAMF can achieve a satisfactory results.     

一种基于均值滤波和梯度影响因子的滤波算法

均值滤波采用邻域平均法对图像进行滤波,在降低噪声的同时破坏了图像的细节和边缘。针对这一问题提出了一种在均值滤波算法的基础上增加梯度影响因子的滤波算法,可实现在滤波的同时尽量保留图像的边缘,达到既减小图像噪声又保留边缘的目的。将梯度影响因子进行多项式展开可以降低程序的时间复杂度。通过实验对比表明,改进算法对图像细节和边缘有更好的保护,同时达到更好的滤波效果。     

Image noise reduction using Wiener filtering with pseudo-inverse

We present a preliminary design and experimental results of a Gaussian noise reduction method for ultrasound images. Our method utilizes a Wiener filtering algorithm with pseudo-inverse technique. The method is capable of solving the Gaussian noise problem in ultrasound image by setup a constant dB of noise function. The key idea of the Wiener filtering algorithm is to process the given ultrasound signal by making the filtering less sensitive to slight changes in input conditions. In this paper, we investigate the possibility of employing this approach for pre-processing ultrasound image application. The application of the proposed method for reducing Gaussian noise is demonstrated by four examples. Meanwhile, we also made the comparisons with median filter, mean filter and adaptive filter; the results reveal that the proposed method has the best noise filtering capability than other three methods. The results also show that the proposed method produces recovery images with quiet high peak-signal-to-noise ratio.     

基于小波域维纳滤波的光纤面板暗影检测

通过分析光纤面板透光图像的噪声性质,提出在小波去噪的始末对图像取对数、指数变换,成功转换噪声模型,有效去除高斯及斑点噪声.并提出在小波域采用维纳滤波算法以增强去噪功能,实现更为有效地去除光纤面板透光图像中的噪声.最后对去噪图像进行暗影检测,实验结果表明,采用此算法进行去噪,检测出的暗影定位更加精准,冗余信息大量减少,有...     

改进型距离方向矢量滤波器

提出了一个基于心理距离的空间距离加权公式,并结合传统的距离方向滤波器(DDF),构造出相应新的基于空间距离加权的自适应距离方向滤波器。实验表明,新的距离方向滤波器在抑制脉冲噪声、保持色调、保护细节或边缘方面,胜过传统的DDF和其它几个典型的矢量滤波器,特别是在低污染率的情况下(小于10%),其归一化均方误差(NMSE)平均减少了1/3之多,而其归一化色彩误差(NCD)则减少到原来的50%以下。     

基于模糊同组划分的多尺度彩色图像增强算法

现有多尺度Retinex彩色图像增强算法采用同定权值进行加权来融合各个单尺度Retinex算法的增强结果,无法充分体现各个单尺度算法在细节增强和颜色保持上的优势,且噪声信号往往随着图像的增强而放大.针对这些问题,提出一种基于模糊同组划分的多尺度Retinex彩色图像增强算法.算法首先采用模糊同组技术将像素点划分为噪声点、细节点和平滑区域点3类,并对噪声点采用矢量中值滤波进行去除.然后采用不同尺度的Retinex算法增强图像,并通过细节区域和平滑区域所占局部窗口的面积比例来融合各个单尺度增强结果.最后通过颜色恢复和动态截取拉伸操作,进一步减少图像颜色失真,扩大动态范围.实验表明,所提出的方法相比其他算法具有更好的彩色图像增强效果,具有实际应用价值.     

Impulse noise cancellation in image data using a two-output nonlinear filter

The quality of image data is often degraded by impulse noise caused by noisy sensors and/or transmission errors. To address this issue, a two-output nonlinear filtering architecture is presented. The proposed approach is based on the subsequent activation of two recursive filtering algorithms that operate on different subsets of input data. As a result, two pixel values are updated at each processing step producing a very effective cancellation of noise pulses. Impulse noise removal is based on rank ordered filtering. A nonlinear mechanism for error correction is also provided in order to avoid detail blur. Validation of the method is carried out by evaluating the quality of the filtered data with respect to two conflicting performance indexes: effectiveness of noise cancellation and accuracy of detail preservation. Results of computer simulations show that the proposed approach performs significantly better than well-known nonlinear methods in the literature including state-of-the-art operators.