一种基于高阶统计量的图像混和加权滤波方法

平滑噪声和保持边缘细节是对图像滤波两个方面的要求,如何兼顾和平衡二者是图像滤波要解决的核心问题。根据高斯噪声的特点,该文引入高阶统计量并结合空域滤波的模板法描述图像的纹理信息,提出了一种基于高阶统计量分析的图像混和加权滤波方法。文章利用高阶累积量所描述的图像细节复杂程度对模板进行分类,并分别采用相应的滤波方法,最后通过混和加权而得到其估值,从而既较好地保持了图像边缘细节,又有效地滤除了图像噪声。实验结果表明,相对于几种常见的保细节滤波方法,文章介绍的方法能够得到更好的效果。     

图象椒盐噪声的非线性自适应滤除

为了在滤除图象椒盐噪声的同时能很好地保持图象的细节,提出了一种新颖的图象椒盐噪声非线性自适应滤除算法。该方法首先在噪声图象的滤波窗口中去除具有最大和最小灰度值的象素,然后求取剩余象素的均值,计算出该均值与对应的象素灰度值的差值,再通过与阈值相比较,确定是否用求得的均值代替原噪声图象的灰度值。阈值由图象的灰度分布自适应地确定,该算法与已发表的同类算法相比,具有更好地滤波性能,尤其在噪声严重时,其效果明显优于传统的中值滤波算法。     

基于差分的细节保留自适应滤波算法

本文研究如何在滤波的同时实现细节的保留，提出一种基于差分的细节保留自适应滤波算法。该算法利用噪声点的灰度不一致性，通过差分来区分象素点，针对不同类别的象素点进行自适应处理。实验结果表明，该算法在去除脉冲和高斯噪声的同时，能很好地保留图像的细节。     

可保留细节信息的全方位多级组合滤波法的研究

传统全方位多级组合滤波法在抑制噪声的同时会严重模糊图像，通过分析该问题产生的原因，提出了一种改进的滤波方法，该方法先对图像象素进行是否为边缘点、孤立噪声点或平滑区域点的预判断，然后再根据判断结果分别进行处理。实验结果表明，该方法能很好地保留图像边缘细节信息，取得了较好的处理效果。     

基于线性和非线性混合滤波器的噪声抑制技术

图像去噪处理的目的是抑制图像中的噪声、锐化边缘信息，为图像的后续处理(边缘检测和特征提取)提供基础，但目前的滤波技术较难达到同时平滑噪声，锐化边缘的要求，只能是在平滑噪声的同时，最大限度地保留边缘信息和细节。针对这一情况，在分析一般滤波器特点的基础上，提出了一种，基于线性和非线性混合滤波器的噪声抑制技术。该滤波器在平滑噪声的同时，能较好地保留边缘信息和细节。     

一种有效去除脉冲噪声的新方法

提出了一种新的滤波方法。首先从原噪声图像和其中值滤波图像得到细节图像。通过使用一种新的噪声检测方法得到另一幅图像,使其只保留细节图像中的噪声。通过这个图像,可以更加准确地检测出污染图像中的噪声。对噪声图像中的每个像素,相应滤波器输出为原像素灰度值和窗中像素中值的线性组合。当前像素是一个脉冲的可能性越大,滤波过程中对它改变的就越多。与其它的中值类滤波方法相比,该方法不仅可以有效地去除噪声,而且更好地保留了图像细节。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

超声图象的自适应线边界检测方法

针对超声图象存在一种特殊的斑点噪声 ,使图象边界与细节变得模糊 ,而严重影响图象质量的问题 ,提出了一种自适应线边界检测方法 ,即以不同方向与不同大小的“窄条”来近似组织边界 ,这种“窄条”是指具有不同长度、方向各异的线段 .该方法首先将经过每一像素点的“窄条”的最大投影作为该点的灰度值 ;然后应用假设试验优化方法确定“窄条”方向 ,而“窄条”的长度由基于区域增长的局部统计特性决定 .通过引入噪声抑制与边缘保留量化参数 ,进行了仿真斑点图与组织超声图的处理实验 ,并与自适应斑点抑制滤波、直接线边界检测方法进行了比较 ,结果证明 ,该方法不但能有效地抑制斑点噪声、而且能很好地保留与增强图中的组织边界与局部细节 .     

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.     

基于矢量尺度的图像滤波

对于医学图像滤波来说,很重要的一点就是滤波后的图像应该尽可能地保留图像中的边缘和细节特征.但通常在滤波过程中,在消除噪声的同时会模糊图像中一些重要的结构信息.在最近几年中,基于尺度的滤波方法已经有效地应用在灰度图像的滤波中.现把基于尺度的方法推广到矢量(彩色)图像的滤波中.在传统滤波方法(矢量中值滤波、基本矢量方向滤波和方向距离滤波)基础上,相应地提出了3种基于球尺度的矢量滤波器.新的滤波方法能根据图像中像素的尺度信息,在图像边缘和细节附近,即区域边界执行较小的平滑,而在区域内部进行较大的平滑,从而能够自适应地控制滤波过程.实验结果表明,所提出的滤波方法与传统滤波方法相比,在消除噪声的同时更能够保留图像中的边缘和细节特征.     

Adaptive image-smoothing using a coplanar matrix and its application to document image binarization

Abstract. For document images corrupted by various kinds of noise, direct binarization images may be severely blurred and degraded. A common treatment for this problem is to pre-smooth input images using noise-suppressing filters. This article proposes an image-smoothing method used for prefiltering the document image binarization. Conceptually, we propose that the influence range of each pixel affecting its neighbors should depend on local image statistics. Technically, we suggest using coplanar matrices to capture the structural and textural distribution of similar pixels at each site. This property adapts the smoothing process to the contrast, orientation, and spatial size of local image structures. Experimental results demonstrate the effectiveness of the proposed method, which compares favorably with existing methods in reducing noise and preserving image features. In addition, due to the adaptive nature of the similar pixel definition, the proposed filter output is more robust regarding different noise levels than existing methods. Received: October 31, 2001 / October 09, 2002 Correspondence to:L. Fan (e-mail: fanlixin@ieee.org)     

基于统计特性的小波噪声抑制在低剂量CT中的应用

较高的照射剂量限制了X线断层成像(computed tomography,CT)技术在筛查及体检中的应用,目前临床常采用降低剂量的解决方案,但CT图像质量亦有明显下降。为提高低剂量CT的重建质量,提出了一种基于投影数据统计特性的小波去噪算法。通过分析低剂量投影数据的噪声特性,发现在投影域其噪声均值和方差接近非线性高斯分布,根据非平稳噪声在平稳小波域中的性质,结合贝叶斯估计方法对小波系数进行基于最小均方误差的自适应滤波,实现了图像信噪分离的目的。滤波完成后,采用常规滤波反投影(FBP)法重建CT图像。较传统算法,该方法具有较高的信噪比,实验结果表明,该算法能够有效地抑制噪声,且较好地保留图像细节。     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

数字图像的平滑技术

一幅原始图像在获取和传输过程中会受到各种噪声的干扰,使图像质量下降.退化会引起图像模糊,特征淹没,对分析图像不利.为了抑制噪声改善图像质量进行的处理称为图像平滑或去噪.主要分析图像在空间域平滑处理方法,相关方法的适用场合.     

基于MATLAB线性平滑滤波器的设计

本文采用MATLAB进行线性平滑滤波器设计。结果表明,线性低通平滑滤波器可以有效的消除噪声,当所用的平滑模板的尺寸增大时,消除噪声的效果增强,同时所得的图像变得模糊,细节的锐化程度逐步减弱。     

An automatic filtering convergence method for iterative impulse noise filters based on PSNR checking and filtered pixels detection

Whether input images are corrupted by impulse noise and what the noise density level is are unknown a priori, and thus published iterative impulse noise filters cannot adaptively reduce noise, resulting in a smoothing image or unclear de-noising. For this reason, this paper proposes an automatic filtering convergence method using PSNR checking and filtered pixel detection for iterative impulse noise filters. (1) First, the similarity between the input image and the 1st filtered image is determined by calculating MSE. If MSE is equal to 0, then the input image is unfiltered and becomes the output. (2) Otherwise, one applies PSNR checking and filtered pixel detection to estimate the difference between the tth filtered image and the t–1th filtered image. (3) Finally, an adaptive and reasonable threshold is defined to make the iterative impulse noise filters stop automatically for most image details preservation in finite steps. Experimental results show that iterative impulse noise filters with the proposed automatic filtering convergence method can remove much of the impulse noise and effectively maintain image details. In addition, iterative impulse noise filters operate more efficiently.     

图像增强技术的研究

如何有效地增强图像是图像分析中的一个难点,通常,图像的目标背景对比度低,噪声大.平滑处理后图像的边缘轮廓更加模糊不清.常用的拉普拉斯锐化方法在突出图像边缘的同时,也提升了平滑图像中的残留噪声.针对这种问题,提出了用直方图规定化方法增强平滑后的图像,该方法克服了拉普拉斯锐化的缺点,且明显地增强了图像的细节部分.理论分析和仿真结果均表明,该算法能够提高图像成分的清晰度,提供更准确、更满意的图像.     

自适应的低照度图像增强变分模型

针对低照度图像具有低对比度、强噪声等问题，提出了一种自适应的低照度图像增强变分模型。根据亮度分量初步估计低照度图像取反之后图像的透射率，并利用Retinex算法进行细化，以丰富图像的细节。为了抑制噪声的放大且保持边缘信息，根据亮通道先验原理和局部方差构建权重，自适应地调节正则化参数。采用交替迭代最优化方法求解包含透射率和恢复图像的能量泛函得到最优解。实验结果表明，该模型可有效地增强低照度图像，且能保留更多的图像细节、抑制噪声放大，相比于[l1]范数正则化方法，图像尺寸越大，该模型计算效率越高，计算时间优势越明显。     

基于复原结构与增强纹理融合的水下图像清晰化

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜色信息计算背景光值,利用红色暗通道先验优化透射率,通过逆求解成像模型得到复原结构层;然后,提出将梯...