基于改进型中值滤波的高密度椒盐噪声图像去噪算法研究

针对目前已有滤波算法对高密度椒盐噪声降噪能力较低的问题,提出了一种基于改进型中值滤波的算法。该算法在自适应中值滤波与斜率差值的基础上,采用图像局部均值与方差的方式对噪声点进行预判定,并对图像边缘进行二次邻域均值滤波。实验结果表明,该算法能够有效去除高密度椒盐噪声,并且能较好地保留细节信息。     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

一种基于改进的非对称裁剪中值滤波算法

为了在各种噪声密度条件下,都能恢复椒盐噪声污染的图像并能很好地保持图像的细节,提出了一种基于改进的非对称裁剪中值滤波算法清除椒盐噪声.该方法首先对噪声点进行检测,然后基于滑动窗口中噪声点的数目来自适应改变窗口的大小,最后应用一种改进的非对称裁剪中值滤波器计算中值,结果显示该算法各项指标都要优于其它算法.实验结果表明了在各种的噪声密度条件下,该算法能较好地清除椒盐噪声,而且也能较好地保护图像细节,比现存的一些中值滤波算法清除椒盐噪声的效果更加优秀     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

强椒盐噪声下的模糊边缘自适应中值滤波算法

在图像的获取或传输过程中可能会受到一些干扰从而产生椒盐噪音,产生的噪声图像失去了一些特征要素。传统的中值滤波方法对椒盐噪音有一定的滤除作用,但当椒盐噪声的密度较大时滤波效果会变差,现有的自适应中值滤波算法对高密度下的椒盐噪声的滤除效果有了很大的提升,但仍难以保留细节。对此本文提出了一种适用于高密度椒盐噪声的自适应中值滤波改进算法,该算法将噪声点和信号点分别进行处理,之后进行模糊逻辑图像边缘检测,对模糊边缘像素点进行二次自适应中值滤波处理。该算法具有结构简单,通用性强,运行速度快等特点。实验结果表明,该算法对高密度的椒盐噪声具有很好的滤波效果。     

基于局部空间像素特征的自适应加权滤波算法

提出了一种新的基于局部空间像素特征的椒盐噪声自适应加权滤波算法。该算法首先对含噪图像逐点进行噪声检测,把所有像素分为含噪像素点和信号像素点;然后采用自适应加权滤波方法,对检测到的噪声点进行滤波,滤波权重由确定的数学公式来确定,自适应于滤波窗内临近像素的局部特征。实验结果表明,该算法不仅可以有效地除去椒盐噪声,又可以较好地保持图像边缘细节,尤其在噪声密度较大时,效果明显优于传统的中值滤波算法。     

自适应投票快速中值滤波算法研究

中值滤波是图像处理中常用的滤波方法,其优点是能有效滤除图像中的噪声像素,同时还有一定的保持图像边缘的效果;其缺点是滤波速度慢、图像边缘细节保持效果不理想。在分析中值滤波及其改进算法的基础上,提出了自适应投票快速中值滤波算法（AVMF）。该算法一方面利用图像噪声的特征自适应筛选出需要滤除的噪声像素,另一方面利用滤波窗口的中值元素的特点以及滤波窗口移动的特性,采用完全不排序的投票法快速计算中值。使用Lena图像对AVMF算法进行测试实验,实验结果表明：AVMF同多种中值滤波改进算法比较,不仅能有效滤除噪声和较好地保留图像边缘细节,而且极大地提高了滤波处理速度。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

基于噪声检测的图像去噪算法

提出一种图像去噪算法.首先利用4个方向算子来将图像像素分类成噪声像素和信号像素,然后设计一个基于中值的、权值自适应调整的、加权类型的中值滤波器来去除和恢复检测到的噪声像素,而保留信号像素不变.实验结果表明,新的滤波算法在高效去除冲击噪声的同时还能较好地保护图像细节信息,其滤波性能胜过传统的中值滤波器及其它一些典型的和最近开发的改进型中值滤波器.     

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。     

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。     

中子集型自适应中值滤波器

消除脉冲噪声通常采用中值滤波算法。尽管有许多中值滤波方法做了很大改进,但是,在噪声密度较高的情况下,图像滤波的结果仍然不能令人满意,因此,提出了一种新型中值算法。首先对滤波窗口中的像素进行分类,然后确定其中多元素子集的中子集,并且根据多元素子集的个数来决定是进行滤波还是扩大滤波窗口。最后,在仿真中,将该算法分别和几种中值滤波算法在数值和视觉上进行比较,实验结果显示,该算法能够有效地降低脉冲噪声并且保留了原始图像的更多细节。     

基于十字滑动窗口的快速自适应图像中值滤波

传统的中值滤波存在着在有效去掉脉冲噪声的同时也破坏了图像的细节等缺陷,而且运行速度不能很好地满足实时要求。提出了一种基于十字滑动窗口快速自适应中值滤波算法;十字滑动窗口不仅计算速度较方形窗口快,而且充分利用前一窗口信息,通过两个十字相交向量退化和推进,更加快速;还依据噪声强度来调整窗口大小来提高去噪效果。实验证明该算法在去噪的同时能很好地保护图像细节,并使传统中值滤波复杂度由O（D²）降至O（D）,速度得到大幅度的提高。     

一种基于排序阈值的开关中值滤波方法

提出了一种基于排序阈值的开关中值滤波方法以克服图像滤波中去噪与细节保护的矛盾。该方法利用滤波窗口内像素点的排序信息，在极值中值滤波方法的基础上，将受脉冲噪声污染图像中的像素点进一步分为噪声点、边缘细节区和平坦区3种类型。通过对多种图像测试的统计结果，获得合适的分类器参数，然后利用类型判决，进行开关中值滤波，即对噪声点和平坦区进行中值滤波以得到良好的噪声滤除效果，而对边缘细节区不做处理以获得良好的细节保护效果。比较了标准中值滤波、极值中值滤波和本方法的结果。实验结果表明，本方法具有更好的效果。     

基于上下中值型噪声检测的自适应中值滤波器

基于噪声检测的中值滤器已广泛用于消除图像中的脉冲噪声。然而,在高噪声密度情况下,过多的像素被错误地分类,这个缺陷将会对图像滤波产生负面影响,为了克服这个缺陷,提出了一种上下中值型噪声检测器。基于这种噪声检测方法,又提出了一种自适应中值滤波算法。实验结果显示,该算法能够有效地消除脉冲噪声,并且保留了原始图像的更多细节。     

基于自适应窗口的裁剪中值滤波方法

基于决策的非对称裁剪中值滤波方法(MDBUTMF)能有效复原被高密度椒盐噪声污染的彩色图像,然而该方法采用固定大小的滤波窗口并利用均值替代中心像素,因此导致算法鲁棒性较低,对部分图像滤波失效.针对该问题,提出了一种基于自适应窗口的裁剪中值滤波方法,通过增加对单色区域的判断,有效解决了已有算法对单色区域滤波失效的问题,使得新方法具有较高的鲁棒性和实用性;并采用自适应窗口解决了MDBUTMF采用单一3× 3窗口易导致滤波效果差的问题.实验数据表明,与经典的多种矢量以及标量的中值滤波方法相比,提出的裁剪中值滤波方法不仅具有较高的PSNR,而且具有较低的MAE和NCD,在抑制椒盐噪声的同时能有效保护图像的色调和细节.     

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。     

The solutions of equation-based noise detector for an adaptive median filter

Techniques of noise detection have been widely applied in impulse noise reduction. However, the phenomenon of pixel misclassification is very obvious in high noise density. In order to improve pixel identification, in this paper, the new noise detector is proposed. Based on solutions of equations, an estimated block of every 8×8 block of a noise image is generated. Then, according to relationships between these noise blocks and their estimated blocks, corrupted and uncorrupted pixels are identified. During image filtering, a noise-detection-based adaptive median algorithm is presented. Experimental results show that the proposed filter can well reduce the impulse noise and preserve more details of original images.