基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

基于自适应中值滤波的图像去噪技术研究

中值滤波和自适应中值滤波被广泛地应用于消除图像的椒盐噪声。传统中值滤波算法无法根据图像噪声浓度改变窗口尺寸,并且噪声浓度过高时,中值滤波算法基本失效。自适应中值滤波算法可以根据椒盐噪声浓度大小对窗口尺寸进行改变,在高浓度噪声干扰下仍然具有较好的去噪效果。针对椒盐噪声,对中值滤波算法和自适应中值滤波算法去噪结果进行比较。通过仿真实验对图像添加不同浓度的椒盐噪声,并分别使用中值滤波算法和自适应中值滤波算法进行噪声去除,实验结果表明,在去除椒盐噪声方面,自适应中值滤波克服窗口尺寸局限性后,比中值滤波具有更好地去噪效果,能很好地保留图像细节,且它的信噪比、峰值信噪比数值最大,均方误差的值最小。     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

常用图像去噪算法的比较与研究

去噪是图像处理中极其重要的步骤.研究了常用的去噪算法并进行改进,还对常用去噪算法进行了对比实验,提出用峰值信噪比(PSNR)、最小均方差(MSE)、归一化绝对误差(NAE)相结合来衡量各种算法的去噪效果.实验表明,自适应中值滤波去除椒盐噪声的效果最好;改进的中值维纳滤波由于融合了二者的优点,其去噪效果和边缘保持能力较维纳滤波和中值滤波好.     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于中值滤波与灰度级形态学的综合去除椒盐噪声方法

为了消除图像上的椒盐噪声,并尽量保持图像的清晰度,提出了一种在中值滤波基础上,经过灰度直方图的分析,再采用合适的灰度级形态学运算去除图像中的椒盐噪声的新方法。该方法,既弥补了中值滤波在椒盐噪声概率高的情况下滤噪能力下降快的缺点,又改善了灰度级形态学在椒盐噪声概率高的时候,达不到有效滤噪的不足。实验表明,该方法滤除椒盐噪声效果优于单独使用中值滤波或形态学滤噪,在椒盐噪声概率超过0．2时,这种优势尤为明显。     

空间域二维信号滤波方法的研究

空间域二维信号常代表图像信号，滤波是信号去噪最重要的方法。本文就空间域二维信号两种不同滤波方法——线性滤波和中值滤波进行了比较研究，将线性滤波与非线性滤波有机的结合，通过大量实验，得出应用混合型滤波的信号滤波方法。实验表明，混合型滤波器的滤波效果优于单型滤波器。     

图像非线性滤波技术的研究

中值滤波是图像处理中常用的一种非线性滤波方法,该方法能够在有效地去除噪声的同时保持图像的边缘细节,解决了多数线性滤波在去噪的同时模糊图像这一缺点,能获得较好的图像复原效果。适当设计的加权中值滤波能更好地保护图像的细节信息,调节滤波模板参数可以获得理想的滤波效果。另外,中值滤波可以有效抑制脉冲干扰。本文讨论了中值滤波和加权中值滤波,并给出了相应的实验结果和结论。     

基于小波变换的微光图像中值滤波消噪

为了提高微光图像在目标识别中的可靠性,利用微光图像中所含噪声点具有椒盐噪声的特点,对图像进行小波变换并仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像.由小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声.结果表明包含在图像中的噪声可以很好地被消除.这种消噪方法克服了中值滤波方法边缘模糊的缺点,保持了微光图像中的细节部分.     

一种基于灰关联分析的红外图像滤波算法

空空导弹红外图像中存在的噪声严重影响目标的检测与识别,论文通过分析灰关联度与图像灰度变化的对应关系,提出了一种基于灰关联分析的红外图像滤波算法。首先选取含噪图像3×3邻域内4个方向的比较序列,分别计算其与理想参考序列之间的灰关联度;再通过比较4个灰关联度的大小得到当前象素点的类型;对噪声点、非噪声点象素分别处理得到去噪后的图像。最后对可见光、红外图像分别添加高斯噪声、椒盐噪声进行去噪实验。结果表明该算法能够很好的去除可见光、红外图像中的高斯噪声及椒盐噪声,具有较强的普适性。     

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.     

基于局部保边函数的低信噪比图像去噪

传统的去噪算法要求含噪图像信噪比较高,并且去噪后图像边缘及纹理信息受到不同程度地损失。本文针对传统算法的不足,提出了基于局部保边函数的低信噪比图像去噪算法,首先对低信噪比图像运用自适应中值滤波器减少椒盐噪声对图像的影响同时保留图像边缘和纹理等细节信息;其次分析处理后的图像局部邻域内像素之间的关系,设计图像局部保边映射函数,最后利用Poly-Ribière-Polak(PRP)算法求出目标函数的最值进而实现低信噪比图像的去噪处理,去除高斯噪声和残余的椒盐噪声。 与传统算法相比,本文去噪效果较好,尤其是对PSNR为5.4db的低信噪比图像去噪后图像PSNR 达到24.3dB。     

几种典型数字图像中值滤波算法的对比分析

中值滤波方法是图像去除噪声的重要方法之一,广泛应用于数字图像处理中。本文为了更好地检验滤波方法的效果,在图像中添加随机和椒盐两种常见噪声,对多级中值滤波、开关中值滤波和极值中值滤波算法进行仿真,以峰值信噪比和归一化均方差（NMSE）作为客观评价标准,对几种典型中值滤波算法进行了对比分析。结果表明,中值滤波既可以去除图像中的噪声又能保护图像的边缘和轮廓。     

一种线性与非线性的混合滤波算法

提出了一种线性与非线性混合滤波算法。该算法充分结合了线性滤波器和非线性滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好的保持图像的边缘和几何结构细节。     

基于遥感图像频率域滤波的灰色线性中值去噪算法

结合频率域滤波去噪方法,对比低通滤波图像,按照灰色关联分析方法筛选出遥感图像中可能存在的噪声像元,优化噪声窗口灰度序列,并以此建立灰色线性模型,在参考传统中值滤波思想的基础上对含噪遥感图像进行去噪处理。大量仿真试验分析表明,该方法在处理脉冲噪声方面具有良好的去噪效果,且具有保持图像信息质量的特点。此外,试验中发现,采用该方法处理含有混合噪声的遥感图像时,根据具体图像含噪情况,合理地选取阈值,在一定程度上可以提高其削弱图像中混合噪声的水平。     

应用极值点检测的自适应中值滤波

针对图像中存在的椒盐噪声,提出一种新的基于极值点检测的自适应中值滤波方法。该方法通过对极值点的检测确定图像中可能存在的噪声点,并标记噪声点;然后采用窗口尺度可伸缩的自适应中值滤波方法对噪声点进行滤波。实验结果表明:自适应中值滤波方法在有效去除椒盐噪声的同时很好地保护了图像细节。通过与一些其他改进滤波算法的比较,证明了该方法具有更好的性能。     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

彩色图象的一种小波去噪方法

小波图象去噪已经成为目前图象去噪的主要方法之一。针对加了高斯噪声的彩色图象，通过选择合适的小波基使用小波萎缩法的阈值萎缩法进行去噪，取得了相对中值滤波和均值滤波更好的效果。     

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。