基于模糊推理的多窗口中央值滤波器设计方法

提出了一种基于模糊推理用于去除图像椒盐噪声的中央值滤波器的新型设计方法,在图像复原处理中,理想的期望是对图像被劣化的部分处理,没有被劣化的部分不作处理,但实际图像处理中处理点是否为噪声点具有模糊性.利用模糊推理对处理点像素多大程度上属于劣质像素进行推定,并且多个模糊滤波器联合使用,处理结果证明对广范围噪声发生率的各种被椒盐噪声劣化的图像复原处理都适用.     

一种基于模糊决策的开关矢量中值滤波方法

针对现有的彩色图像脉冲噪声去除方法没有区分滑动窗口中的像素是否为噪声像素而导致滤波效果差的问题, 提出一种基于模糊决策的开关矢量中值滤波方法。该方法首先利用开关条件判断像素是否被污染, 针对被污染的像素, 通过模糊数学理论构造适合脉冲噪声去除的隶属函数; 然后计算滑动窗口内所有像素的模糊隶属度, 并根据置信区间去除疑似噪声像素以优化滑动窗口的取值空间; 最后对优化后的滑动窗口应用矢量中值滤波(VMF)以去除噪声像素。与现有方法相比, 新的方法去除了滑动窗口中心像素的邻域疑似噪声, 从而有效提升了滤波效果。实验验证了该方法的高鲁棒性和实用性。     

A new cluster based adaptive fuzzy switching median filter for impulse noise removal

A new clustering technique based on most allied directional neighbors is proposed to suppress low and high-density impulse noise from digital images. Most allied neighbors exhibit a vital role in estimation as well restoration of appropriate gray level value of corrupted pixels. In first phase, most allied directional neighbors, i.e., pixels directly attached to central pixel and the directional pixels (horizontal, vertical and two diagonal directions) next to attached pixels in the processing window are partitioned into two equal size clusters based on gradient values. Cluster with a minimum sum of gradient values (most similar neighbors) and the one with relatively large gradient values are passed to fuzzy inference system to infer the current pixel to be noisy-free, edge or a noisy. In second phase, a switching technique opts one of the three options depending upon fuzzy membership degrees and local information to restore the corrupted pixel value. A non-parametric approach based on local information for dynamic threshold setting using fuzzy logic makes the proposed filter computationally effective and adaptive to process a large number of images without user-defined parameters. The proposed algorithm is simple to implement and simulation results based on well know quantitative measures indicate the supremacy of the proposed filter for random-valued impulse noise as well as salt and peppers noise.     

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。     

An adaptive median filter algorithm based on B-spline function

According to the B-spline convolution mask, first, the contrast sensitiveness (CS) is computed and then is viewed as a noise sensitiveness coeficient (NSC) to adaptively determine a noise-recognized threshold value. Based on the noise density function (NDF) in a 3×3 window, the filtering window size is adaptively adjusted, and then a median filter is used to eliminate the noise-marked pixels. The experiment results show that the proposed algorithm can preserve image detail information well and effectively remove the noises, particularly the impulse noises that is also called salt-and-pepper noises superimposed on the computed tomography (CT) and magnetic resonance imaging (MRI) medical images.     

基于刚体模型的视频自适应中值去噪算法

传统的去噪研究主要针对图像进行滤波,未考虑视频信号的时域与空域相关性。为充分利用视频信号的时空联系进行去噪,首先建立了视频刚体模型,然后基于刚体模型进行了自适应中值滤波的研究和对比。刚体模型将视频信号分解为只包含平移和旋转运动的刚体块,以线性关系组织视频像素。基于刚体模型的中值滤波使用被滤波点在刚体内空域相邻和时域对应的像素参与中值计算,并根据时域和空域的污染程度不同选择参考像素集的范围。通过对常用测试视频的去噪实验,证实了基于刚体模型去噪的可行性;基于刚体模型的自适应中值滤波的去噪效果优于普通空域自适应滤波,证明了时空联合去噪的优越性。     

一种变分自适应中值滤波算法

针对自适应中值和变分滤波方法脉冲噪声去除能力的不足,提出了一种新的变分自适应中值滤波方法。首先采用自适应中值滤波器对脉冲噪点进行标识,然后对标识的噪点构建由逼近条件和边缘保持正则化条件构成的代价函数,通过变分方法对代价函数寻优求解,对噪点进行恢复。最后进行了仿真试验,并与标准中值滤波,开关中值滤波,自适应中值滤波,和变分滤波方法进行了比较。试验结果表明,在信噪比和细节保留方面明显优于上述滤波方法,可以有效去除高达90%的脉冲噪声。     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好地处理图像的细节部份。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析结果表明,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,其去噪效果相比其他方法更加优秀。     

保护细节的开关自适应矢量中值滤波器

提出了基于噪声检测的开关矢量中值滤波,在噪声检测阶段根据噪声的定义将标量检测和矢量检测结合在一起,有效地提高噪声检测的准确性;由于采用开关矢量滤波,滤波过程只对在标量预检测中被检测出的噪声像素进行,可大大减少计算量并能较好地保持图像的细节和边缘,而且在滤波过程中不会出现新的颜色。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。该算法根据噪声点与周围信息的关联程度调整噪声点滤波值,从而更好地处理图像的细节部分。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,去噪效果相比其他方法更加优秀。     

一种新型的自适应模糊中值滤波算法

针对传统中值滤波算法不能很好地保护图像细节以及受严重噪声污染时性能急剧下降的情况,提出了一种新型的自适应模糊中值滤波算法。通过比较滤波窗口内像素点的灰度值与像素点灰度值的均值定义了模糊滤波系数,利用此模糊滤波系数对滤波方法进行加权,得到一种加权中值滤波器。通过对小窗口内的灰度值不等于最大灰度值和最小灰度值的像素点的检测自适应调整窗口大小,对超过设定的最大窗口的情况,噪声点的灰度值用四个相邻的已处理的像素点灰度值的均值进行替换。仿真结果表明,新算法具有较好的细节保护能力和较强的去除噪声能力。     

基于模糊自适应Kalman滤波的GPS/DR数据融合

针对标准Kalman滤波器对系统模型依赖性强、鲁棒性差,而GPS/DR系统的准确数学模型难以建立的问题,提出了一种模糊自适应联邦卡尔曼滤波器(FAFKF).首先通过模糊自适应滤波控制器监控观测量的残差理论值和实际值,并通过实时增强它们的一致性来调整各子系统观测噪声方差阵,使之更符合真实的模型,有效提高了Kalman滤波器对模型变化的适应能力.然后通过模糊自适应信息融合控制器对各子系统可信度进行模糊评判,并根据可信度自适应地计算信息分配系数来实现数据的融合.理论分析和实验数据表明该滤波器在滤波精度、容错性能上都有了很大的提高.     

基于中值和多尺度的组合优化滤波器

考虑到一般机器人视觉导航滤波算法的通用性和有效性比较差的缺点,结合中值滤波器和多尺度自适应融合滤波器这两种算法的优点,提出一种基于中值和多尺度的组合优化滤波器。算法首先应用中值滤波,然后进行多尺度滤波处理,最后根据最小平均绝对误差准则,将滤波后结果进行融合处理。实验结果表明：该算法能很好地滤除机器人道路图像各种常见的噪声,从而提高算法的有效性和通用性。     

一种改进的自适应模糊卡尔曼滤波算法

针对常规卡尔曼滤波（KF）处理小噪声和变化噪声不足,提出了一种改进的自适应模糊卡尔曼滤波[1]（IAF-KF）算法。该算法根据模糊推理输入量的变化特点建立一个新的非线性隶属度函数,取代了常用的三角形线形隶属度函数;然后利用模糊化后的等级和隶属度构造了补偿调节函数（CAF）,用于调节卡尔曼滤波算法中的误差,提高实际测量误差与理论测量误差间的匹配程度。仿真实验表明,较之传统的卡尔曼滤波,该方法在小噪声和变化的噪声情形下有效的克服了稳态误差,同时降低了模糊卡尔曼滤波算法的复杂程度。     

Growing fuzzy topology adaptive resonance theory models with a push-pull learning algorithm

A new incrementally growing neural network model, called the growing fuzzy topology ART (GFTART) model, is proposed based on integrating the conventional fuzzy ART model with the incremental topology-preserving mechanism of the growing cell structure (GCS) model. This is in addition, to a new training algorithm, called the push-pull learning algorithm. The proposed GFTART model has two purposes: First, to reduce the proliferation of incrementally generated nodes in the F2 layer by the conventional fuzzy ART model based on replacing each F2 node with a GCS. Second, to enhance the class-dependent clustering representation ability of the GCS model by including the categorization property of the conventional fuzzy ART model. In addition, the proposed push-pull training algorithm enhances the cluster discriminating property and partially improves the forgetting problem of the training algorithm in the GCS model.     

基于混沌优化的自适应中值滤波

提出了用混沌优化的方法进行自适应中值滤波。该滤波是在自适应中值滤波的基础上,将混沌优化与E-中值滤波结合起来输出最佳值。仿真结果表明,这种中值滤波不仅去噪效果较好,而且对噪声污染严重的图像也能很好地保护图像的细节。     

一种基于自适应的新型中值滤波算法

提出了一种新的自适应中值滤波算法,首先使用3×3窗口在图像上滑动,计算该窗口中心像素的块均匀度,并与整幅图像的块均匀度比较,自适应地确定窗口中心像素是否为噪声点;然后统计3×3窗口中噪声点的个数,自适应地调整滤波窗口大小,最后自适应地计算权值,并采用改进的加权中值滤波方法对噪声点进行逐点滤波。该方法既能有效地去除图像噪声点,又能较好地保持图像细节部分。通过对实验结果进一步分析,该方法比均值滤波和中值滤波的性能更加优化,在椒盐噪声大小相同的情况下,PSNR值提高了9.4~12.7。评价结果与目视效果吻合良好,为图像去除噪声提供了一个新的途径。     

一种自适应中值滤波去雾算法

在雾、霾气候下所捕获到的照片质量因大气衰减而有所降低。为有效恢复场景实际色度,提高图像的视觉效果,提出了一种基于中值滤波去雾的改进算法。首先根据输入图像的一维熵以及平均灰度的特点,自适应调节大气光成分值使得去雾后图像的亮度达到最优;为调和去雾后图像的色度,引进了图像融合的方法,并且根据大气光成分值的选取特点设置了融合比例,从而实现了去雾系统的整体最优化。实验结果表明,算法去雾后图像具有较好的视觉效果,其色度、亮度、对比度都有了一定程度的提高。