一种基于误差传递的图像噪声去除方法

为了滤除图像在彩集过程中受到干扰引起的噪声和增强图像的有用信息,提出了一种基于误差传递原理的图像噪声去除方法。该方法在计算复杂度、执行时间、二值化效果等方面均有较好表现,对于图像特征主要包含在图像的几何特征中的实时图像处理系统,取得了很好的实际效果。     

一种闭合曲线去除平面工件二值图像噪声算法

在现代工业中,图像处理技术经常被用于工件的在线检测。获取的图像经过二值化后,工件信息和噪声同时存在,其中工件信息常被噪声影响。通过分析二值图像中工件边缘与噪声的特征区别,提出一种用闭合曲线去除二值图像噪声的新算法,该算法通过移动一组闭合曲线,根据每个闭合曲线与检测目标轮廓边缘的交点数目,判断该组闭合曲线所包含的各个像素点是否为噪声,将被判为噪声的像素点置零,从而提取出精确的工件边缘信息。该算法适用于具有清晰轮廓曲线的零件检测。     

一种去除HDR图像噪声的新方法

为了提高HDR(high dynamic range)图像的质量,提出一种针对HDR图像滤噪的新方法。首先取得图像组中相同空间位置的点构成像素组;然后利用相机的ITF(intensity transfer function)还原成亮度值;接着通过求解最小二乘问题拟合L-t(luminance-exposure time)直线,并用该直线修正各点亮度值;最后再通过ITF转换成像素值。图像组经滤噪之后,再用于合成HDR图像。实验结果表明,该算法运算量小,能有效去除椒盐型噪声,对高斯型噪声抑制效果明显,优于A.&E.(ahmet & erit)算法,这也是该算法的主要特色。     

一种改进的文本图像二值化算法

分析了常用的局部阈值法-Bemsen算法中存在的问题，对此算法进行了有效的改进，提出了一种改进的文本图像二值化算法。由于改进后的算法考虑了图像的整体特征，并采用快速算法，因此具有更广泛的适应性和实用价值。实验结果表明了此算法的有效性。     

一种有效的文本图像二值化方法

针对一般文本图像二值化方法--全局阈值法和局部阈值法所存在的不足,提出了一种整体与局部相结合的二值化方法,该方法根据文本图像的特点,自适应调整局部二值化的窗口大小,能有效避免断笔,伪影等现象,同时保持较快的处理速度。     

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。     

基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息,根据与边缘像素点相邻的像素点的灰度值变化特点,得到图像的高、低阈值,综合利用高、低阈值对原灰度图像进行二值化。实验表明,此方法对于车牌图像的二值化处理有令人满意的效果。     

一种适合于表情分析的人脸二值边缘图像的提取

边缘图像是人脸图像的一种重要表征方法，它对人脸图像的分析有重要的作用。提出了一种提取人脸二值边缘图像的新方法。该方法利用小波变换进行图像的高频重构，并利用其多尺度分析特性进行图像边缘的提取，包括两次二值化过程和一次去噪过程。提取的边缘图像具有较高的质量，同一人脸部件的边缘连通性好，不同部件的边缘粘连现象少，且具有较好的光照鲁棒性。将所提取的二值边缘图像用于AR库和Yale库图像的人脸4种动作单元的识别，识别率在93％以上，初步表明其适合于人脸图像的表情分析。     

基于文本图像的自适应补偿二值化处理算法

研究图像去噪优化处理问题,文本图像要预处理.针对使用照相机拍摄的文本图像,如摄像头拍摄的车牌图像,由于其受到采光,相机成像蜕化等方面的约束,使图像分辨率低,图像灰度会分布不均匀或者前后背景灰度差过小.采用传统的图像二值化方法并不能满足识别准确性的需要.为解决上述问题,提出一种对文本图像自适应背景强度补偿的二值化算法.首先通过大模板均值滤波获得对背景强度的初始估计,再利用非线性自适应灰度调整,从而使得最终处理图像能使用简单的全局阈值二值化方法,获得较佳的效果.试验结果表明改进的方法效果明显优于传统算法,大大提高了图像的识别率和准确率.     

一种去除椒盐噪声的自适应开关中值滤波算法

为了滤除图像中高密度椒盐噪声同时又能较好地保护图像细节,提出一种自适应开关中值滤波算法。使用max-min算子作为噪声检测器,利用自适应邻域窗口对图像进行从左到右的逐行扫描,同时对位于窗口中心的像素点进行噪声判别,然后将检测出的噪声点采用中值滤波进行滤除,而信号点保持不变直接输出。实验仿真结果证明了该算法的有效性。     

基于噪声检测的彩色图象脉冲噪声滤波

文章提出了具有细节保持能力的自适应彩色图像脉冲噪声滤波器,称为细节保持滤波器。新方法对图像中噪声像素进行检测,仅对噪声像素进行有序滤波而对非噪声像素则保持其原值不变,并根据图像噪声情况自适应地选择滤波窗口。从而,有效地滤除随机彩色脉冲噪声、保持图像边缘与细节,其性能优于经典的矢量中值滤波器（ＶＭＦ）、方向一距离滤波器（ＤＤＦ）、距离一幅度矢量滤波器（ＤＭＶＦ）等非线性滤波器。     

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。     

基于视窗的OCR页面图像倾斜检测方法

文档在扫描输入过程中，所生成的页面图像一般都存在一定的角度倾斜，当页面图像倾斜角度过大时，将对进一步的版面分析以及字符识别产生不良影响。为了快速准确地检测页面图像倾斜角度和降低计算量，提出了一种基于视窗变换的页面图像倾斜检测方法，该算法首先对视窗中的文字及图片的细节部分进行模糊，然后对其边沿进行直线拟合，以便快速检测页面图像倾斜角度。实验结果表明，该方法能快速准确地检测出各类页面图像的倾斜角度，并具有良好的适应性。     

一种二值图象边界提取算法

文中提出了一种新的二值图象边界提取算法。通过分析边界象素的特征,归纳出一个边界象素提取算子,该算子最多只需要计算象素的4邻域象素,运算量小,速度快,运用他能直接提取出二值图象的边界象素,得到单象素宽的边界。实验结果表明,该算法要优于传统的二值图象边界提取算法,实用性强。     

数据聚类中基于浓度噪音消除的可视化参数选择方法

可视化技术的发展极大地提高了传统数据挖掘技术的效率.通过结合人类识别模式的能力,计算机程序能够更有效的发现隐藏在数据中的规律和信息.作为聚类分析的重要步骤,噪音消除一直都是困绕数据挖掘研究者的问题,尤其对于不同领域的应用,由于噪音的模型和定义不同,单一的数据处理方法无法有效而准确地去除域相关的噪音.本文针对这一问题,提出了一个新型的可视化噪音处理方法CLEAN.CLEAN的独特之处在于它设计的噪音处理技术和提出的可视化方法有机地结合在一起.噪音处理算法为可视化模型生成所需数据,同时针对噪音处理算法选择可视化方法,从而达到提高整个数据处理系统性能的目的.这样不仅降低了噪音去除过程中主观因素的影响,还可以帮助数据挖掘程序去除领域相关的噪音.同时源数据的质量,算法参数的选择和不同噪音去除算法的精确性都可以在所使用的可视化模型中反映出来.实验表明CLEAN能够有效地帮助空间数据聚类算法在噪音环境下发现数据的自然聚类.     

Marginal noise removal of document images

Marginal noise is a common phenomenon in document analysis which results from the scanning of thick documents or skew documents. It usually appears in the front of a large and dark region around the margin of document images. Marginal noise might cover meaningful document objects, such as text, graphics and forms. The overlapping of marginal noise with meaningful objects makes it difficult to perform the task of segmentation and recognition of document objects. This paper proposes a novel approach to remove marginal noise. The proposed approach consists of two steps which are marginal noise detection and marginal noise deletion. Marginal noise detection will reduce an original document image into a smaller image, and then find marginal noise regions according to the shape length and location of the split blocks. After the detection of marginal noise regions, different removal methods are performed. A local thresholding method is proposed for the removal of marginal noise in gray-scale document images, whereas a region growing method is devised for binary document images. Experimenting with a wide variety of test samples reveals the feasibility and effectiveness of our proposed approach in removing marginal noises.     

基于灰度图像的表格框线去除算法

笔画与表格框线的交叠的现象在表格型文档中普遍存在,严重影响了文档自动处理系统的性能.现有的去线算法大部分都是基于二值图像的,许多有用的局部信息已经丢失.提出了直接 利用图像灰度信息的灰值线检测与去除算法.首先利用图像的边缘特征检测直线以及字线的 相交位置;然后通过对直线上相交点对的分析确定字线的交叠方式,并将这些方式归纳为穿 透和未穿透两类简单的形式;最后将直线划分为保护区和擦除区两部分,保护区内的像素在 去线过程中被保留,而擦除区内的像素则利用灰度形态学算法来擦除.在我国现行支票上的 实验表明算法是有效的.     

一种针对含噪低对比度图像的边缘检测方法

主要研究了含有噪声的低对比度图像的边缘检测方法。通过对图像进行直方图均衡化、二值化、平滑及去噪处理后，利用膨胀腐蚀型检测算子对图像边缘进行检测。经实验证明，该算法对含噪低对比度图像具有较好的检测效果，与传统的Sobel、Canny算法相比，具有边缘连续、清晰的检测效果。     

一种基于数学形态学的含噪、低对比度图像的边缘检测方法

提出了一种基于多方位小结构元素的抗噪膨胀腐蚀算法,通过实验证明,该算法对噪声图像和低对比度图像都能达到令人满意的检测效果,与经典的Sobel算子、Canny算子相比,具有定位准确,边缘连续、清晰,运行效率高等特点。