基于PCNN的脉冲噪声滤波算法

鉴于噪声点和边缘点具有相似性,传统中值滤波、均值滤波很难对其进行区分,容易造成图像细节丢失。本文通过分析总结脉冲噪声的特点及脉冲耦合神经网络(PCNN)的工作机理,提出了一种基于PCNN的脉冲噪声滤波算法。首先利用PC-NN的脉冲传播特性检测出原始图像的噪声点和边缘点,然后利用噪声点和边缘点不同特点对其进行判断区分,若为噪声点进行中值滤波,边缘点则不做处理。实验结果表明该方法不但能有效的去除图像中的脉冲噪声,而且能很好的保护图像细节信息且提高了去噪后图像的峰值信噪比。     

基于噪点检测的中值滤波图像去噪方法

图像去噪是图像处理中一个非常重要的环节。针对传统中值滤波方法存在的不足,提出一种新的基于噪点检测的自适应中值滤波图像去噪方法。该方法通过自适应地改变滤波窗口的大小,局部检测并判断极值点是否为噪声点,有效地降低了非噪声点误判为噪声点的概率。实验结果表明,该方法能够更有效地去除图像中的噪声,并较好地保持图像细节和边缘。     

一种基于脉冲噪声检测的图像均值滤波方法

论文提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用均值滤波方法滤除脉冲噪声的方法。该方法首先采用串行方式,对含有脉冲噪声的图像进行逐点检测,其中判断噪声点的阈值可自适应地调整。采用窗口长度自适应调整和选择性取样的均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地滤除脉冲噪声,又可以较好地保持图像边缘细节,对图像的后续处理有很好的价值。论文最后给出了实验滤波结果,说明了该方法的有效性。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法.利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类.然后将可能的噪声点进一步细分为边缘点、噪声点和信号点:利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波.经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果.     

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。     

一种基于脉冲噪声检测的图像去噪方法

针对标准中值滤波在去除强噪声时存在的不足,提出一种改进的去噪方法.该方法通过多尺度窗口对图像脉冲噪声进行检测,其中判断噪声点的阈值可由图像中不同区域的灰度值自适应地调整,然后根据检测结果进行选择性滤波.该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节,尤其在强噪声情况下的效果更为明显.最后给出了滤波实验的仿真结果,说明了该方法的有效性.     

自适应中值滤波算法的研究与应用

本文研究一种自适应的中值滤波算法,该算法对含有噪声的图像自动选取合适的窗口进行滤波处理,对噪声、边缘、图像内部点分别处理,实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比。     

一种新的基于自适应神经网络模糊推理系统的图像滤波器

提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的三个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。     

可保持图象细节的改进的全方位多级组合滤波器

针对传统全方位多级组合滤波器在去除噪声的同时,会严重模糊图象边缘这一问题,分析了其原因,并指出为了更准确地判断出边缘细节信息,应考虑转角线条走向等特殊情况。提出了一种在去除噪声的同时,可以很好的保持图象边缘细节信息的改进的全方位多级组合滤波算法,实验结果表明,该算法在去除噪声的同时,能更好地保持图象边缘细节,取得较好的处理效果。     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

基于方向形态滤波算子的快速边缘跟踪算法

方向形态滤波器是一种典型的非线性滤波器,具有良好的方向边缘信息选择和去除噪声的性能,被广泛地应用于图像去噪和边缘提取。在广义形态开最大和广义形态闭最小的滤波器基础上,提出了基于多方向形态算子的快速边缘跟踪算法。主要解决了利用边缘方向信息进行边缘像素编码、边缘像素跟踪最小方向计算和非连续点判断方法等算法关键问题。为了验证该算法的有效性和可行性,对标准circle图像与加噪Lena图像进行了不同算法对比实验,实验结果表明新快速边缘跟踪算法具有较强的抗噪性和单像素连通性。     

改进型Q-NLM算法在医学图像去噪中的应用

将像素离群度与传统非局部均值算法相结合提出一种改进型的非局部均值滤波Q-NLM算法,针对传统非局部均值算法不适应脉冲噪声去噪的问题,提出了像素离群度Q的概念,像素离群度Q值用于判断原像素与脉冲噪声的相似度,依据像素离群度Q值划分像素区域,调整不同区域阈值且引入中值滤波去除脉冲噪声点,进一步降低医学图片中混合噪声对滤波的影响。仿真实验结果显示,这种结合离群度与非局部均值算法在去除混合噪声的情况下,能较好提高图像信噪比,有效保留CT图像细节。     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

基于形态学的遥感图像全方位边缘检测算法研究

遥感图像存在较多的噪声和畸变，直接用形态学梯度作边缘检测，存在结构元素单一、只对结构元素同方向的边缘敏感、去噪能力弱的缺陷。本文首先构造了全方位形态学结构元并进行边缘检测，然后再作边缘合成并得到最终图像边缘。实验表明，该方法可有效地滤除噪声并能保持图像边缘的细节。     

一种保边缘的图像去噪方法

提出一种保边缘的去噪方法。该方法利用4个方向核卷积检测图像中的噪声点和非噪声点,对非噪声点不进行处理。在噪声点的3×3邻域中选择距离最小的非噪声点,若无非噪声点则邻域扩大为5×5,若有非噪声点则用这些点的中值替换噪声点,否则用邻域中距离最远像素点的均值替换噪声点。实验结果表明,该方法不仅能有效去除图像的噪声,且能较好地保护图像边缘。     

一种基于最优模块匹配的新型加权中值滤波算法

为了去除图像中的噪声,提出了一种新型的加权滤波算法,算法思想是基于大范围的最优模块匹配,根据模块之间的相似度来衡量像素点之间的相关性,从而确定对中心点像素贡献的大小,赋予像素点不同大小的权值,来恢复被噪声点污染的信号点,达到去除噪声、保护图像边缘信息的目的。实验表明新算法在滤波性能方面优于现有的一些改进算法,即使在高密度噪声下,也能取得较好的滤波效果。     

基于多结构元素的图像边界识别方法研究

在图像处理中,对于复杂图像的边界特征信息很难通过一个结构元素来提取.针对这一问题,采用多结构元素的图像边界识别算法,利用具有视觉模型的边界阀值选择策略确定图像中梯度变化的像素点,对其采用二值形态学的腐蚀运算,从而判断该像素点是边界点还是噪声点.实验表明此算法具有较好的边界信息提取能力和较好的去噪声能力.