强椒盐噪声彩色图像的改进矢量中值滤波算法

去除彩色图像噪声一直是图像预处理研究的重要内容。传统的矢量中值滤波是一种有效去除彩色图像椒盐噪声的方法,但传统的矢量中值滤波方法只适用于弱噪声的情况,对于强椒盐噪声并不适用。许多改进的矢量中值滤波被提出,但对强椒盐噪声图像效果并不好。文章在传统的矢量中值滤波的基础上,提出了改进的矢量中值滤波算法,该算法可以有效去除高强度椒盐噪声,不会产生新的颜色,很好地保持了图像边缘和细节,而且具有算法简单,自适应性强的特点。经过实验表明:该方法对于强度在10%～80%的椒盐噪声彩色图像具有良好的处理效果。     

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2级噪声检测的改进中值滤波算法

针对传统中值滤波算法去除高密度椒盐噪声能力的不足,提出了一种新的改进算法.该算法首先采用2级噪声检测方法对图像中的信号点和噪声点进行标识,然后对检测出的噪声点利用改进的中值滤波算法进行处理,而对信号点则保留其灰度值不变.实验结果表明,该算法能在有效去除噪声的同时很好地保留图像细节,相比于传统中值滤波及其它改进中值滤波算法,该算法获得的去噪后的图像具有更好的客观评价指标和主观视觉效果.     

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     

基于自适应开关插值算法的图像椒盐噪声滤波*

针对传统中值滤波算法在滤除椒盐噪声时的缺点,提出了一种自适应开关插值算法。该方法根据椒盐噪声的特点,通过极大值、极小值和块均匀度检测来标志噪声,然后根据噪声分布情况,利用拉格朗日插值和自适应中值滤波来滤除噪声。实验结果表明,该方法对椒盐噪声密度为10%80%的测试图像,能更加有效地抑制椒盐噪声并很好地保持了图像的细节信息,滤波性能比传统中值滤波方法更理想。该方法为图像去噪提供了一种新的途径。     

改进椒盐去噪方法在井下图像中的应用

为了提高井下图像采集的质量,针对目前改进中值滤波算法的优缺点,提出了一种新的去除井下图像椒盐噪声的算法。该算法首先判断出图像中的噪声点和非噪声点,然后根据窗口内噪声点的密度大小自适应地确定滤波窗口的大小,并按照一定的规律赋予窗口内像素点不同的权重,最后采用加权中值方法处理图像中的噪声点。计算机模拟实验证明该方法不仅能有效地去除不同密度的椒盐噪声,而且能很好地保持图像的细节,滤波效果比已提出的中值滤波算法更好。     

一种用于抑制椒盐噪声的自适应快速滤波算法

针对受椒盐噪声不同程度污染的灰度图像滤波问题,提出了一种用于抑制椒盐噪声的自适应快速滤波算法。该算法针对像素点的不同属性采用不同策略的滤波手段,能有效保护图像细节;依据可能噪声密度自动控制滤波迭代次数,能自动抑制不同密度的椒盐噪声;基于字符串的统计排序记录方法减少了统计排序的次数,使算法一次迭代滤波耗时与标准中值滤波相当。实验结果表明,该算法自适应能力强、运算效率高、滤波效果好。     

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。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算法有更好的滤波性能。     

基于权值的中值和均值混合去噪算法

针对均值去噪算法对图像边缘定位带来困难,中值去噪算法对一些点、线、细节较多的图像去噪效果往往不理想等诸多问题,为了得到更好的去噪图像,并为后继的边缘定位等处理打下良好的基础,提出了基于权值的中值和均值混合滤波方法,该方法能在类椒盐噪声密度较大时较好的去除大量类椒盐噪声,同时较好的保留图像的边缘信息,并提高图像的信噪比.实验证明,该方法去噪性能明显优于中值滤波和均值滤波,并且算法简单,适合于高速在线检测系统.     

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。     

基于GF（28）域相似函数的椒盐噪声滤波算法

针对数字图像采集及处理过程中广泛存在的椒盐噪声,基于GF（2⁸）有限域,提出一种具有噪声点精确检测能力的改进型噪声滤波算法。根据图像相邻像素相关性,构建了GF（2⁸）域上的相似函数,并据此提出了GF（2⁸）域上的图像自适应椒盐噪声检测算子,可对噪声点准确定位;结合中值滤波算法完成数字图像的椒盐噪声自适应滤除。实验表明提出算法对噪声点定位准确,在图像的恢复和保护图像细节方面对比其他算法有较大提高,对强噪声污染图像的恢复也有较好效果。     

扩展自适应中值滤波器的原理与实现

在图像处理领域中噪声滤除是图像预处理阶段一项必不可少的工作。在许多场合都会遇到高强度噪声的图像，特别是椒盐噪声的滤除非常困难。本文对空间域的常用噪声滤波技术的不足进行了分析，提出了一种新的滤波器技术——扩展自适应中值滤波器技术。该技术不仅继承了原自适应中值滤波器技术的优点，而且还弥补了它的不足，解决了高强度噪声干扰下图像的滤波问题，滤波效果相当理想。最后，给出了几种滤波技术的滤波效果比较图，验证了本文提出的滤波新方法对椒盐噪声的滤除能力。     

基于GF（28）域相似函数的椒盐噪声滤波算法

针对数字图像采集及处理过程中广泛存在的椒盐噪声,基于GF（2⁸）有限域,提出一种具有噪声点精确检测能力的改进型噪声滤波算法。根据图像相邻像素相关性,构建了GF（2⁸）域上的相似函数,并据此提出了GF（2⁸）域上的图像自适应椒盐噪声检测算子,可对噪声点准确定位;结合中值滤波算法完成数字图像的椒盐噪声自适应滤除。实验表明提出算法对噪声点定位准确,在图像的恢复和保护图像细节方面对比其他算法有较大提高,对强噪声污染图像的恢复也有较好效果。     

椒盐噪声的一种滤波算法

椒盐噪声的滤波一般以中值滤波为基础,有多种滤波方法。文章根据椒盐噪声点所处区域不同,采用不同的处理方法：对非边缘噪声采用均值滤波,对边缘噪声点采用最小值,增强边缘;并对非噪声区域保持原值。该算法具有较好的滤波效果,并对细微边缘有较好的保护作用。     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节.矢量中值滤波方法在彩色图像滤波中使用广泛.为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足, 提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法.该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波.实验结果表明,该算法实现简单,运算量小.滤波过程中能在抑制噪声的同时很好地保留原图像信息.利用滤波器叠加,取得了较好的滤波效果.     

利用灰色绝对关联分析的中值滤波方法研究

针对灰色图像中的椒盐噪声,提出了一种利用绝对灰色关联度分析方法区分噪声与非噪声,并结合中值滤波进行去噪的算法。将[n×n]（[n]为大于或等于3的奇数）模板中的像素组合成两组序列,利用灰色绝对关联分析法,计算出这两组序列的相似关联度,从而判断当前像素是否为噪声。对于被判定为噪声的像素,进行中值滤波处理,以实现去噪;对于非噪声像素则不作处理,从而较好地保留了图像的细节。实验结果表明,与同类方法相比较,此方法有良好的去噪效果。     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节。矢量中值滤波方法在彩色图像滤波中使用广泛。为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足,提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法。该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波。实验结果表明,该算法实现简单,运算量小。滤波过程中能在抑制噪声的同时很好地保留原图像信息。利用滤波器叠加,取得了较好的滤波效果。     

基于一维模型的椒盐噪声去除方法

提出了一种基于一维信号处理去除图像椒盐脉冲噪声的方法,该算法给出了4种二维信号转换为一维信号的模型,用线性处理代替块处理去除图像椒盐脉冲噪声。经过实验仿真并与其他滤波算法比较表明,该算法可以有效地去除图像中的椒盐脉冲噪声,尤其是在计算复杂度上表现了很好的性能,同时也降低了图像边界点处理的边界效应。     

改进的曲率滤波强噪声图像去噪方法

目的 医学影像获取和视频监控过程中会出现一些恶劣环境,导致图像有许多强噪声斑点,质量较差。在处理强噪声图像时,传统的基于变分模型的算法,因需要计算高阶偏微分方程,计算复杂且收敛较慢;而隐式使用图像曲率信息的曲率滤波模型,在处理强噪声图像时,又存在去噪不完全的缺陷。为了克服这些缺陷,在保持图像边缘和细节特征的同时去除图像的强噪声,实现快速去噪,提出了一种改进的曲率滤波算法。方法 本文算法在隐式计算曲率时,通过半窗三角切平面和最小三角切平面的组合,用投影算子代替传统曲率滤波的最小三角切平面投影算子,并根据强噪声图像存在强噪声斑点的特征,修正正则能量函数,增添局部方差的正则能量,使得正则项的约束更加合理,提高了算法的去噪性能,从而达到增强去噪能力和保护图像边缘与细节的目的。结果 针对多种不同强度的混合噪声图像对本文算法性能进行测试,并与传统的基于变分法的去噪算法（ROF）和曲率滤波去噪等算法进行去噪效果对比,同时使用峰值信噪比（PSNR）和结构相似性（SSIM）作为滤波算法性能的客观评价指标。本文算法在对强噪声图像去噪处理时,能够有效地保持图像的边缘和细节特征,具备较好的PSNR和SSIM,在PSNR上比ROF模型和曲率滤波算法分别平均提高1.67 dB和2.93 dB,SSIM分别平均提高0.29和0.26。由于采用了隐式计算图像曲率,算法的处理速度与曲率滤波算法相近。结论 根据强噪声图像噪声特征对曲率滤波算法进行优化,改进投影算子和能量函数正则项,使得曲率滤波算法能够更好地适用于强噪声图像,实验结果表明,该方法与传统的变分法相比,对强噪声图像去噪效果显著。     

一种快速并行中值滤波算法的实现

介针对传统中值滤波算法计算量大、耗时较长的缺点提出了一种快速并行中值滤波算法。对于3×3滑动窗口,窗口的9个数据是并行传给计算比较模块的,第二级的计算也是并行进行的。新算法有效减少了重复比较操作的执行,同时也大幅减少了比较次数。对于3×3滑动窗口,新算法的比较次数为13次,相对于传统中值滤波的30次,比较次数少了2倍多。比较次数的减少,意味着算法复杂度的降低和图像滤波处理速度的提高。并且通过仿真实验可知,对于椒盐噪声的滤除,算法能够达到与中值滤波同样的视觉处理效果。