一种基于梯度的图像滤波算法

滤除图像的噪声有很多方法,普遍使用的均值滤波滤除噪声效果不够理想,且易使图像变得模糊;而中值滤波滤除噪声效果较好,但易使图像的细节信息丢失.文章提出了一种基于梯度的滤波算法,该算法对含有噪声的图像取3×3领域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、图像边缘、图像内部信息点分别处理.实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.     

一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

基于模糊逻辑的图像脉冲噪声滤除

为了兼顾与平衡在图像脉冲噪声滤除和细节保留两方面的内容,提出了基于模糊逻辑的图像脉冲噪声滤除算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其它改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

图像去噪的组合优化滤波算法

小波变换具有良好的局部化分析特性和多分辨率分析特性,小波阈值法能很好的消除高斯白噪声,但对脉冲噪声无法消除。中值滤波对脉冲噪声能很好滤除,并具有良好的边缘保持特性。为了能很好消除图像中的混合噪声,文章提出了基于小波阈值法和门限递归中值滤波组合优化的图像去噪算法,仿真结果表明,该算法在去除图像中的混合噪声时,比其他传统去噪方法具有极大的优越性。     

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

一种含雾交通图像梯度双边滤波算法

针对雾霾天气下传统滤波算法处理过程中容易受到噪声干扰,边缘像素点保持效果不理想且容易出现噪声斑块的问题,提出了一种含雾交通图像梯度双边滤波算法来实现雾霾天气下交通图像降噪滤波处理。算法提出了一种梯度相似度核,并基于此设计了一种梯度双边滤波器,将RGB颜色空间的交通图像转换到Lab颜色空间进行滤波处理。将处理过的Lab颜色空间的交通图像转换到RGB颜色空间,得到处理后的雾霾天气下交通图像。与传统方法相比,本文算法处理后图像的PSNR、细节强度和SSIM平均提升了27. 12%、24. 11%和6. 45%,能够实现在滤除噪声信息的同时,尽可能的保持图像边缘,对进一步提取雾霾天气下含有大量噪声的交通图像的特征信息十分有意义。     

基于小波收缩及变指数和片相似的最小二乘重建算法

在低剂量计算机断层扫描(Computed Tomography,CT)重建方法中,针对最小二乘重建算法收敛速度慢,由于噪声而导致图像退化的问题,提出一种结合小波收缩以及基于变指数和片相似的最小二乘重建算法.它结合了小波收缩和各向异性扩散的优点,在最小二乘重建算法的每次迭代中对图像进行离散平稳小波分解,在小波域的高频部分使用小波收缩方法,低频部分使用基于变指数和片相似性的各向异性扩散进行消噪,最后用中值滤波处理图像残留的脉冲噪声点,从而进一步优化图像.仿真实验结果表明,混合去噪算法可以有效地去除低剂量图像的噪声,且在保持图像边缘和细节方面效果较好,从而可获得高质量的图像.     

交替滤波的加权形态边缘检测算法

针对常用的边缘检测算法因卷积运算造成图像边缘模糊,提出一种基于交替滤波的加权形态边缘检测算法.利用交替滤波滤除噪声以减少对边缘检测的干扰,进而作多方向的条件边缘检测来得到各方向的最佳边缘,然后把这些边缘进行归一化运算并加权求和得图像的合成边缘,最后进行阈值处理得到包含各个方位的最佳边缘结果.实验结果表明,用基于交替滤波的加权形态边缘检测算法可有效克服噪声影响,得到理想的图像边缘.