一种改进CB形态学的图像滤波分析研究

如何在滤除噪声的同时保护图像的细节一直是一个研究热点。基于数学形态学的滤波效果依赖于结构元素形状和尺寸的选取,基于轮廓结构元素形态学（简称CB形态学）在一定程度上弱化了结构元素对处理结果的影响,但是大结构轮廓会导致噪声放大,小结构轮廓噪声滤除效果不佳。提出一种改进CB形态学滤波器,利用小结构元素、CB形态学、数学形态学运算实现对图像椒盐噪声的滤除。实验结果表明该滤波器滤除椒盐噪声的效果优于中值滤波或一般形态学滤噪,且能够在滤除噪声的同时较好地保留图像细节。     

基于遗传算法的自适应中值-开闭滤波器

提出了一种新的中值-开闭滤波器结构，并以此为基础设计了自适应中值-开闭滤波器。该滤波器由一个中值-开闭滤波器和学习优化模块组成。在学习优化子模块中，应用遗传算法，通过对含噪声的图像样本进行学习，使得该滤波器的结构能根据待滤波的输入图像自动地调整以获得最优的滤波效果。计算机仿真实验表明该滤波器具有非常好的噪声滤除能力和滤波效果。     

一种基于遗传算法的模糊中值滤波器优化方法

根据遗传算法可以搜索全局最优的特点,提出了一种基于遗传算法优化模糊隶属函数,从而对带有脉冲噪声的图像进行模糊中值滤波的方法。虽然模糊逻辑可以很好用于图像处理,但它的隶属函数很难准确的选取,通过遗传算法对已知样本图像进行学习,找到最优的隶属函数,然后用该隶属函数对需要处理的噪声图像进行滤波。实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应强。     

量子衍生坍缩形态学滤波

为了更有效地滤除数字图像中的噪声,受量子信息处理理论启发,将传统的形态学运算结构元素扩展到叠加态结构元素以更有利于图像的去噪。由于叠加态结构元素只有尺度范围,没有固定的大小和形状,因此可表示为该尺度范围内的各种不同大小和形状的传统结构元素的线性叠加,并在受到测量时可坍缩到其中的某一传统结构元素。该文首先定义了一个基于叠加态结构元素的坍缩形态学算子,然后在此基础上构建了一种基于均方差的自适应形态滤波方法。计算机仿真实验表明,该滤波方法与中值滤波和传统的形态滤波方法相比较,有更强的噪声滤除能力,并且对噪声的强度不敏感。     

新型快速中值滤波算法及在医学图像中的应用

医学图像的处理具有数据量大、实时性强的特点。而传统中值滤波(SM)算法需对滤波窗口内所有的元素完全排序后确定中值,算法的时间复杂度高,执行效率低,无法满足医学图像实时处理的需要。为提高中值滤波算法的执行效率,提出一种新型的快速中值滤波算法,将基于排序查找中值的过程转换为基于分治查找中值的过程,有效地避免了对中值滤波而言不必要的完全排序运算,降低了算法的复杂度;同时在分治查找过程中,利用医学图像未受干扰时图像中像素值的变化是渐变的特性,优先选用中心点附近的像素值进行分治查找,达到提高算法效率的目的。理论分析和实验结果均验证了该算法的可行性和有效性。实验结果显示,该算法提高了医学图像的滤波速度,增强了医学图像处理的实时性。     

基于改进多尺度形态学的裂缝图像去噪算法

AGV小车行驶场地中地面的光照不均、对比度低,背景复杂会导致裂缝图片采集时图像偏暗并带有较多混合噪声,传统去噪算法不能有效去噪。针对传统算法的不足,提出一种基于改进多尺度形态学的裂缝图像去噪算法。选取一个合适的结构元素,将其循环膨胀得到形状相同大小不同的多个结构元素,用得到的多个结构元素依次对裂缝图像开运算处理并将处理结果叠加,再使用纹理均衡的补偿方法处理结果并输出。通过与传统中值滤波、均值滤波、多尺度形态学滤波等方法比较,提出的新方法不仅能够降低图像中的噪声,有效地保护裂缝边缘,同时有利于裂缝特征的分割。     

结合遗传优化的多结构多尺度形态学消噪

传统的形态滤波以及广义形态滤波、自适应加权广义滤波、基于多结构元素的广义形态滤波、基于多方向的广义滤波和基于多尺度的广义滤波在考虑形态学滤波时基本上只兼顾到某一方面或者说只对某一方面的不足进行了改进,不论哪一种滤波方式都没有完全消除噪声。提出了一种基于自适应遗传算法的多结构多尺度形态学滤波方法,主要考虑了滤波窗口的大小、结构元素的种类和方向以及结构元素的优化选择问题,采用遗传算法对结构元素进行优化,并考虑到遗传算法自身的收敛性,采用了保留精英的策略,另外考虑到遗传算法参数的选择问题采用了自适应策略。同时,结合自适应加权广义形态滤波的思想构建基于遗传优化的多结构多尺度自适应加权形态滤波器,滤波效果比传统的形态滤波、广义形态滤波及在此基础上改进的滤波方法效果均好。     

基于显著图的可变模板形态学去雾方法

针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象,提出了一种基于自适应可变形结构元（Adaptive deformable structuring element,ADSE）中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性,由有雾图像的灰度图计算显著图（Salience map,SM）,将SM作为导向图计算ADSE,用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算;其次,以粗估计暗通道图像为标记图像,以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算,获得精细化暗通道图像,继而得到精细化透射率;最后,针对天空区域,引入最优化透射率方法,对天空和非天空区域做统一的运算得到最终透射率,完成图像去雾.本文算法对真实场景具有很好的去雾效果,同时,基于形态学的运算易于并行化和硬件实现.     

基于最优形态学滤波的面料缝纫加工检测

为了对服装加工质量进行自动检测,提出了一种对针织面料缝纫加工的疵点进行自动检验的方法。该方法首先基于遗传算法进行结构元素的寻优,然后通过图像的数学形态学滤波处理来消除面料组织的正常纹理对图像分割的干扰;最后利用灰度阈值实现图像分割来得到表现缝线和加工疵点特征的二值图像。实验结果表明,该方法是有效的。     

广义多级混合噪声图像滤波

本文在传统的线性、非线性滤波技术的基础上,提出了一种新的滤波器结构——广义多级混合滤波器。并导出了滤波算法。对受加性噪声(高斯噪声、均匀噪声和脉冲噪声)和信号相关噪声干扰的图像,它具有良好的噪声抑制能力,且有效地保持图像边缘和细节。在噪声图像的均匀区域,它几乎具备最优的滤波性能;在图像边缘区域,它的性能可以与FIR-中值混合滤波相媲美。而且,现有的多级中值滤波、Wiener-中值滤波、中值均值混合滤波、非线性均值滤波和排序统计滤波等都是它的特殊情况。     

几种滤波算法在医学图像上的实现

文中研究的目的是通过滤噪来改善图像质量,便于医生分析CT图像和实现计算机辅助诊断对医学图像的预处理。采用均值滤波、中值滤波、自适应滤波算法对医学图像进行噪声处理。不仅提供了算法的程序代码,还通过Matlab平台进行了模拟实验。实验结果表明,均值滤波算法的滤噪能力和保护图像细节能力不及中值滤波算法,自适应中值滤波算法处理效果优于其他两种滤波算法。结论是文中所研究的几种滤波算法在医学图像上滤噪是可行且有效的。     

改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.     

改进型中值滤波和形态学组合降噪方法

根据改进型中值滤波和开-闭灰度形态学滤波算子设计了一种基于门限递归中值滤波和灰度形态学滤波组合优化算法,该算法弥补了中值滤波在噪声强度较高时去噪能力下降快的缺点.仿真结果表明,在噪声强度较高时,该算法明显优于单独使用中值滤波和灰度形态学滤波,具有较高的实用性.     

图像降噪组合滤波优化算法

论文利用中值滤波算子和灰度数学形态学中的开、闭算子设计了一种用于灰度图像降噪处理的优化组合滤波算法。提出了一种简单、实用的评价函数用于算法的优化过程。该算法能根据输入噪声图像自动调整算子的组合结构获得最佳的滤波输出,并克服了中值滤波算法在处理灰度图像时对噪声强度的敏感问题。该优化算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

噪声图像的复原方法研究和实现

消除图像噪声主要目的是改善图像质量，本文主要阐述了噪声图像的复原方法。首先简单介绍了图像噪声产生的原因和分类，然后介绍了用于图像复原的平均值滤波、中值滤波、自适应维纳滤波和小波变换去噪的工作原理和适用性，为进一步提高图像质量，又提出了基于边缘检测的小波包图像去噪方法。     

多尺度形态学在彩色图像去噪中的应用

文中阐述了多尺度形态学对彩色图像滤噪。该方法采用大小不同的结构元素进行图像滤波,通过大尺度抑制噪声,小尺度得到丰富的边缘。根据彩色图像各颜色通道RGB的相光敏感曲线,选择结构元素,对图像进行滤波去噪并进行合并。结果表明该方法对噪声有较好的抑制作用,保持了原图像的细节信息,具有一定的可行性和实用性。根据此方法的特点,该方法适用的图像类型是图像中的对象尺寸都比较大,没有细小的细节,对这种类型的图像除噪的效果会比较好。     

简化型PCNN 的混合噪声图像滤波算法研究

针对脉冲噪声和高斯噪声构成混合噪声的特点,提出了一种基于简化型脉冲耦合神经网络( Pulse Coupled Neural Network,PCNN) 滤波算法,利用了简化模型的几个技术特性,适当的选取参数,并在算法中结合了形态学方法、中值滤波和维纳滤波,该算法相对于均值滤波和中值滤波算法来说具有更好的抑制混合噪声干扰的能力,能较好地保持图像的边缘和细节信息。通过大量实验证实,应用简化型PCNN 滤波算法对滤除灰度图像所受混合噪声的效果较好。在与其他算法的比较中,该算法优于传统的滤波算法,不但能有效地滤除混合噪声,并且计算量适中,具有较好的实时性,同时随着图像受混合噪声污染程度的增大,优势更加明 显。     

数学形态学滤波器的优化设计

数学形态学滤波器作为图像处理领域中的一类重要的非线性滤波器已被广泛地用于图像降噪、边缘检测和模式识别等图像处理技术之中,然而其处理效果的好坏却严重地依赖于结构元素的形状和大小。在传统的形态滤波器的设计中,结构元素的选择完全凭借设计者的经验,因而很难保证所选择的结构元素为最优结构元素。针对此问题,该文应用遗传算法对形态滤波器设计中的结构元素进行优化,通过对样本图像的学习训练,获得基于优化结构元素的形态滤波器,并在此基础上设计了一种简单、实用的自适应优化滤波算法。该算法的有效性用计算机仿真实验进行了验证。     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。