彩色图像矢量滤波技术综述

彩色图像滤波是彩色图像处理的最基本的研究领域之一。彩色图像滤波技术可以分成标量滤波法和矢量滤波法两大类。其中,标量滤波法只是早期的滤波方法。大量的研究表明,矢量滤波法比标量滤波法更加有效,因为它更能保护彩色图像的光谱特性。为使人们对彩色图像矢量滤波技术及其应用有个系统的了解,该文首先全面地总结了彩色图像矢量滤波的基本理论和方法,并跟踪该领域的最新进展,同时分析介绍了彩色图像矢量滤波技术的一些典型应用;然后对彩色图像矢量滤波技术进行了分类,并对每种类型的滤波算法中经典和目前最常用的算法做了详细的介绍和阐述;接着结合笔者对该领域的研究,提出了一些新的研究方法;最后,对于一些有代表性、经常使用的矢量滤波算法,以冲击噪声为例,给出了其视觉上的滤波效果和客观的评估数据。     

双阈值开关型矢量中值滤波*

针对彩色图像中脉冲噪声的滤波问题, 分析了经典矢量中值滤波方法的原理和特点,提出了一种新的开关型矢量中值滤波方法。该方法通过中心像素的排序位置和矢量中值滤波与中心像素判的距离判断噪声存在的可能。实验证明,该方法在不同的噪声比例下均优于矢量中值滤波,比较其他开关型滤波方法具有很好的稳定性,能够更好地保持原图的细节。     

基于PGF检测的改进彩色图像滤波方法

针对彩色图像中的噪声污染问题,提出一种改进的开关自适应矢量滤波方法。通过对噪声图像进行同组滤波器检测得到滤波窗口内满足检测条件的噪声像素个数,当满足条件的像素个数较少时,直接对检测出的噪声进行矢量中值滤波,当满足条件的像素个数较多时,采用改进的自适应矢量中值滤波器进行2次检测后再滤波。实验结果表明,该方法能提高噪声检测的准确性,并能更好保护滤波的细节。     

图像椒盐噪声的开关滤波算法综述

椒盐噪声去除是图像去噪领域的经典问题。开关滤波是一类流行的椒盐噪声去除方法。它将椒盐噪声去除过程分成噪声检测和噪声恢复两个阶段,先检测图像中的椒盐噪声点,然后仅对检测到的噪声点进行滤波恢复,保持非噪声点的灰度不变,有利于保护图像细节。在对椒盐噪声特性阐述的基础上,详细介绍了国内外近年来出现的10种开关滤波算法,分析了它们各自在噪声检测和噪声恢复上的优缺点。最后,指出了现有的开关滤波算法面临的一类新问题。     

面向彩色手术显微图像的去噪算法改进

对于要求高保真的彩色手术显微图像,去除采集过程中引入的脉冲噪声是一项非常重要的任务。将自适应矢量中值滤波方法应用于彩色图像去噪,其效果非常理想。该方法可根据噪声干扰的情况自动选择滤波窗口的大小。先对图像各区域进行噪声检测,如果为非噪声区域,则不进行滤波;如果为噪声区域,则根据各区域受噪声污染状况自动确定滤波窗口尺寸。实验显示,采用自适应矢量中值滤波能有效滤除彩色显微图像的噪声,并能较好地保护边缘和细节,其性能较一般的矢量中值滤波方法有明显优势。     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

基于局部能量的改进开关中值滤波

针对脉冲噪声感染的图像,借鉴开关滤波的思想,提出了一种新的改进算法。该算法通过分析Max-min噪声检测算子的图像灰度局部极值点的误判缺陷,在极值检测的基础上,增加了由局部能量信息为判别依据的第二级噪声检测过程,实现了对噪声的精确检测。同时,在去除噪声时只利用信号点参与中值滤波,并让噪声点逐步转化为信号点,减少了噪声在邻域的传播。实验表明,该算法对脉冲噪声具有很好的噪声滤除和细节保护能力,与传统中值滤波及其他开关滤波算法相比,该算法具有更优的滤波性能,即使是在噪声密度较高的情况下,也能取得令人满意的效果。     

针对椒盐噪声的开关模糊滤波器

自适应中值滤波随着椒盐噪声密度增加滤波图像细节损失较大。在开关滤波和自适应中值滤波的基础上提出了开关模糊滤波（SF）。SF用Max-Min算子检测噪声点,然后根据滤波窗口中正常点数量以均值方法或者T-S模糊方法去噪。仿真实验表明,开关模糊滤波比自适应中值滤波能更好地保护边界和细节。开关模糊滤波在消除噪声和细节保护之间取得了良好的平衡。     

彩色图像的模糊测度快速对等组滤波方法

为消除彩色图像中的脉冲噪声并提高矢量中值滤波方法的计算效率,提出一种新的模糊测度下的快速滤波方法.该方法是一种矢量中值滤波和等值操作之间开关型滤波算法.在模糊测度下新方法扩展原对等组的概念,采用了滤波窗口内中心像素邻近的对等组元素个数来判断噪声的可能.通过设计的对等组新计算方式,该方法能够有效减少对等组内的矢量距离计算次数.仿真实验表明新方法相较原快速对等组滤波方法能减少近50％的计算量,并能够在噪声抑制和细节保持做到较好的平衡.     

基于排序差值脉冲噪声检测的彩色图像滤波方法

提出一种针对彩色图像脉冲噪声进行检测,并根据检测结果利用改进的自适应矢量中值滤波法滤除彩色图像脉冲噪声的方法。试验结果表明,该方法能够明显地减少脉冲噪声检测过程中的噪声漏判数量,有效地去除彩色图像中的脉冲噪声,滤波后不会产生新的颜色,并能较好地保持图像的边缘与细节信息。     

等级阈值的彩色图像矢量中值滤波

为消除彩色图像中的脉冲噪声,提出一种新的基于等级阈值的矢量中值滤波器。该滤波器设计了一组随滤波窗口内当前像素排序位置而等级变化的阈值,并根据当前像素与经典矢量滤波器输出的距离差值来判断噪声像素的存在。仿真实验证明,该方法较其他非开关型和开关型矢量中值滤波器能更好保存原图像细节和消除脉冲噪声。     

基于开关3-D中值滤波的视频序列去噪算法

为提高含噪视频序列的质量和效果,提出一种基于开关噪声检测与三维中值滤波相结合的开关3-D中值滤波算法。该算法通过判断视频序列的每一个像素点,对噪声点用3-D中值滤波处理,再对其进行二次判断,如果判为噪声点,则采用变型3-D中值滤波处理,直到去除所有噪声点为止。仿真实验表明,该算法对“雪花”噪声有较好的滤波效果,当处理加入25%的“雪花”噪声时,3-D开关中值滤波比三维中值滤波的信噪比平均提高了10 dB左右。     

A new adaptive center weighted median filter for suppressing impulsive noise in images

In this work, a new adaptive center weighted median (ACWM) filter is proposed for improving the performance of median-based filters, preserving image details while effectively suppressing impulsive noise. The proposed filter is an adaptive CWM filter with an adjustable central weight obtained by partitioning the observation vector space. To obtain the optimal weight for each block, the efficient scalar quantization (SQ) method is used to partition the observation vector space. The center weight within each block is obtained by using a learning approach based on the least mean square (LMS) algorithm. The noise filtering procedure is progressively applied through several iterations so that the mean square error of the output can be minimized. Experimental results have demonstrated that the proposed filter outperforms many well-accepted median-based filters in terms of both noise suppression and detail preservation. The proposed new filter also provides excellent robustness at various percentages of impulsive noise.     

一种针对彩色图像随机值脉冲噪声的矢量滤波方法

为了去除彩色图像随机值脉冲噪声,提出了一种新的矢量滤波方法。该方法对图像的平滑区域和边缘区域的滤波工作分开进行,平滑区域滤波方法将窗口分成多个区域,然后基于矢量中值和平滑区域像素的特征检测出平滑区域的信号,边缘区域的滤波是在已知信号的基础上对非信号进行矢量中值滤波。仿真实验结果表明,该方法能够有效地去除彩色图像的随机值脉冲噪声,尤其当噪声密度较高时,去噪效果明显优于传统的矢量中值滤波。     

一种噪声密度检测自适应选择策略的滤波算法*

针对灰度图像受椒盐噪声不同程度污染的滤波处理问题,提出了一种噪声密度检测自适应选择策略的滤波算法。先对被噪声污染图像进行噪声密度检测,然后根据检测结果判断图像为轻度污染还是严重污染。对于前者,用3×3窗口统计阈值(STM)的开关中值滤波算法;对于后者,采取先3×3窗口后5×5窗口统计阈值的开关中值滤波算法二次滤波。实验结果表明,该方法不但适应能力较强,而且具有较强的去噪能力和较好的图像细节保护能力。     

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。     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。     

基于四元数旋转的开关型矢量中值滤波器

矢量中值滤波器是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的冲击噪声。然而VMF没有区分细线条和噪声的能力,它往往把细线条当成噪声而过滤掉。本文利用四元数旋转理论,模仿Laplacian算子,提出一种用于检测彩色图像中的冲击噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器。实验结果表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的及最近开发的矢量滤波器。     

用于图像处理的自适应中值滤波

针对标准中值滤波方法存在的不足,提出自适应中值滤波方法．该方法通过噪声检测确定子图像中的脉冲噪声点及噪声干扰大小,根据噪声干扰程度选择滤波窗口的尺寸,并采用改进的中值滤波方法对检测出的噪声点进行滤波．计算机模拟实验结果表明：自适应中值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波具有更优良的滤波性能,其滤波速度也较中值滤波具有明显优势．