一种简单的椒盐噪声滤波算法

文章提出了一种基于先定位、后滤波思想的椒盐噪声滤除算法。该算法根据噪声特点,将图像像素分为信号像素或可能的噪声像素两种类别,对于可能的噪声像素,采取去噪中值滤波算法进行滤波,而对于信号像素则不做任何处理,以保留更多的图像细节。文中给出了标准的中值滤波算法、极值中值滤波算法和该文的算法的比较实验,结果表明,该文算法对噪声高度污染图像的去噪能力明显比其它两种算法强,且能较好地保留图像细节。     

图像去噪算法的研究

主要针对图像的高斯噪声和椒盐噪声的去噪算法进行研究,分别使用到中值滤波、均值滤波和维纳滤波三种滤波算法。实验结果表明中值滤波对于椒盐噪声有更好的去噪效果;维纳滤波对高斯噪声有明显的作用,相比中值滤波和均值滤波,维纳滤波对高斯噪声有很好的抑制效果,与此同时,维纳滤波却容易丢失边缘信息且对椒盐噪声几乎没有去噪作用。     

一种基于边缘检测的改进的中值滤波去噪方法

中值滤波是一种去除椒盐噪声的有效算法,在现实生活中应用相当广泛。传统的中值滤波在去噪的同时很容易丢失图像的边缘信息。本文提出一种基于边缘检测的改进的中值滤波去噪算法。它先将含噪图像的边缘信息检测出来,然后将边缘信息保存下来,再对原含噪图像用中值滤波进行图像去噪,然后对于保存下来的边缘信息用小模板进行去噪,再用该小模板去噪后的边缘信息区替换中值滤波后的边缘信息。最后通过实验验证,此去噪算法可以在去噪的同时更好地保护图像的边缘信息。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

异型纤维图像去噪分析

为了去除异型纤维图像中的噪声,首先分析了异型纤维图像中的噪声模型,然后针对噪声模型提出了一种能同时去除异型纤维图像中高斯和脉冲混合噪声的去噪算法.该算法在全变差(Total Variation,TV)算法的基础上进行了算法改进,综合了中值滤波的优点,在达到去噪目的的同时,较好地处理了去除噪声、保留边缘细节信息这对在图像去噪中存在的矛盾.同时,对参数的选取也做了分析,较好地平衡了去噪效果和处理效率问题.数值对比实验中的视觉效果和客观标准均表明了该去噪算法的有效性。     

一种基于多级阈值的中值滤波算法设计

虽然加权中值滤波在一定程度上对图像有着良好的去噪效果,但是不能在对图像去噪的基础上很好地保留图像细节。针对该算法存在的缺点,提出了基于多级阈值的中值滤波算法。采用Matlab软件编程,通过设定多级阈值方法来检测当前像素点是否为噪声点,使算法在去噪的基础上对图像细节有良好的改善。实验结果表明改进的加权中值滤波算法对图像细节有明显的提高。     

基于量子衍生的图像中值滤波算法

利用量子衍生思想,借鉴量子信息理论,将归一化的数字图像用量子叠加态的方式表示,分析了量子Hadamard变换的原理,提出了基于量子衍生的图像中值滤波算法。针对受不同程度椒盐噪声干扰的数字图像,分别采用3×3和5×5大小的中值滤波窗口,对传统图像中值滤波算法和量子衍生中值滤波算法进行了去噪仿真实验。从主观视觉角度和客观评价指标两方面,对算法的去噪效果进行了分析和比较。根据信噪比和边缘保持度两种评价指标,客观衡量和比较了算法处理后的结果图像与原始图像之间的灰度值差异,以及算法对图像边缘细节的保持能力。算法仿真结果表明,对相同程度椒盐噪声干扰的图像进行去噪处理时,5×5大小的量子衍生中值滤波算法去噪效果最佳。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

基于混合滤波的遥感图像去噪

基于均值滤波和中值滤波的互补性，应用混合滤波方法对SPOT遥感图像进行去噪处理，并与标准均值算法、标准中值算法以及改进的中值算法进行比较。结果表明：混合滤波方法能够有效去除椒盐噪声和高斯噪声，保留图像的纹理信息，提高图像的清晰度。     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

基于量子理论的图像中值滤波

在传统图像中值滤波算法中,固定排序窗和无条件中值运算会影响算法的降噪能力。为此,提出一种改进的图像中值滤波算法。借鉴量子理论提出数字图像的伪量子化表示形式,应用量子哈达玛变换引入自适应机制,使排序窗口的大小和形状能根据其移动位置的图像局部特征自适应地变化,并引入有条件中值运算保留图像细节。仿真结果表明,与传统中值滤波和递归中值滤波算法相比,该算法在保留图像细节的同时,具有更强的降噪能力,且噪声强度对滤波效果的影响较小。     

红外图像的自适应混合消噪方法

针对带有高斯噪声和脉冲噪声的红外图像,提出一种自适应混合去噪方法。首先将受脉冲噪声和高斯噪声污染的像素区分开来,然后对被脉冲噪声污染的像素采用自适应层叠中值滤波法,对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明,该方法在信噪比(SNR)和最小均方误差(MSE)的改善上明显优于线性平滑滤波法和普通中值滤波算法,并具有较好的图像细节保护能力和较快的滤波速度。     

一种2D-VMD与NLM结合的芯片图像去噪算法研究

为了提高智能电表芯片图像的字符识别精度,需要消除芯片图像中的噪声,以减小干扰;文章提出了一种基于二维变分模态分解算法(2D-VMD)与非局部均值(NLM)滤波的芯片图像去噪算法;首先利用2D-VMD将含有噪声信号的芯片图像分解为K个模态分量;然后根据提出的结构相似(SSIM)阈值设置方法确定噪声分量并将其去除,使用剩余的有效分量重构图像;最后通过非局部均值滤波算法对重构后的图像进行处理,进一步滤除残余噪声,达到二次去噪的效果;实验结果表明,相比传统的图像去噪算法,提出的算法能在较好保留原始芯片图像的字符信息的基础上,去除不相关的噪声干扰,使去噪后的芯片图像的均方误差值变小,峰值信噪比增大,提高芯片图像质量.     

基于新阈值函数和小波分析的数字图像去噪方法

在数字图像处理过程中消除和减弱噪声对信号具有很重要的影响。中值滤波是传统的减少图像噪声,提高图像质量的可行方法。文章研究了中值滤波及其改进算法在图像去噪中的应用,基于小波分析基础理论和数字图像信号的小波变换分解重构原理,通过对小波分解系数选定恰当的阈值并进行阈值量化,基于小波分解后的高低频系数进行信号重构,从而有效去除或降低信号的噪声。本文采取的算法在MATLAB仿真平台进行了验证,结果表明,基于本文提出的阈值函数和小波分析处理方法对图像去噪具有更好的适应性,能够更好的改善数字图像的质量。     

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。     

采用自适应四点窗中点滤波的高椒盐噪声滤除方法

针对当前中值滤波器处理图像高椒盐噪声效果不佳和实时性不强等问题,提出了一种快速自适应四点窗中点滤波（AFMF）方法。首先,为了降低计算复杂度,使用简单的极值方法检测噪声点;然后,摒弃传统的全点窗口,不用中值滤波,而是在开关滤波和裁剪滤波的基础上,采用新型的非线性滤波方法：中点滤波,简化了算法的流程,提升了算法的计算效率,提高了去噪效果;最后,从3×3窗口开始到由里向外推进,逐渐增大窗口,形成自适应滤波,一直到噪声点处理完,如此避免了窗口大小参数的设置。实验结果表明,与AMF、SAMF、MDBUTMF以及DBCWMF相比,AFMF在处理高密度椒盐噪声上不仅有更好的去噪性能、更快的运行速度（约0.18 s）,且无需设置参数,可操作性强,具有较强的实用性。     

基于二维变分模态分解和自适应中值滤波的图像去噪方法*

图像在采集、获取和传输过程中往往夹杂着噪声,针对几种常用方法去噪效果不理想,提出了一种新的图像去噪方法。此方法通过二维变分模态分解将图像分解为一系列不同中心频率的子模态。保留其低频模态,并对其进行自适应中值滤波处理,从而得到其去噪后的图像。实验结果表明,与其他几种常用的去噪方法相比,本文方法在滤除噪声的同时,又能较好地保留图像的边缘细节,图像也获得较好的视觉效果,此外客观评价参数也得到比较明显的改善,随着噪声强度加大去噪效果愈明显。