应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法

首先对彩色图像RGB 3个颜色通道的子图像,以串行的方式,确定出各颜色通道的脉冲噪声位置。根据待检测像素点附近4个邻域的灰度均值,自适应调整脉冲噪声判断阈值。由各通道的噪声检测结果经运算得到彩色图像脉冲噪声检测结果。采用改进的自适应矢量中值滤波法,对脉冲噪声有选择地滤除。实验结果表明,该方法结合标量方法进行脉冲噪声检测,矢量方法滤除彩色图像中的脉冲噪声,具有较好的滤波性能指标和视觉效果。     

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声.该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算.实验结果表明,...     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

基于遗传算法的自适应噪声抵消

当有参考噪声信号时，自适应噪声抵消的实质就是求参考噪声输入通路的逆滤波器，LMS自适应滤波问题就是一个多变量函数的极值问题。LMS算法因其具有算法简单，容易实现的优点而为常用，但是算法的收敛特性和失调量受到步长参数μ的影响。而步长参数μ和最优值不易确定。遗传算法是一种应用于大规模搜索空间的有效方法，它不要求函数的解析表达式，只根据已知的测量数据便可以求得全局极值。本文以FIR滤波器为例。采用改进的实值编码遗传算法，将遗传算法用于逆滤波器的求解。计算机仿真结果表明该算法对噪声抵消取得了较满意的效果。     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

自适应滤波在车用发电机噪声测试中的应用

介绍车用发电机噪声的测试方法和特点,应用自适应滤波方法对车用发电机试验过程中所测得的发电机噪声与试验台背景噪声的混合信号进行分离研究,同时与独立分量分析（ICA）方法进行了比较。实验结果表明,用自适应滤波的方法能很好地把发电机噪声和背景噪声分离开来,从而使发电机生产厂家不必为控制噪声测试过程中的背景噪声而对其发电机试验平台进行改造,有效地解决了其产品噪声测试的难题。     

基于噪声点多级检测的自适应中值滤波算法

针对传统中值滤波算法在图像去噪过程中造成较多图像细节信息丢失的问题,提出了一种基于噪声点多级检测的自适应中值滤波算法。该算法根据像素的空间相关性,逐级检测不同空间特征的噪声点。首先根据滤波窗口中相近像素点的数量来检测空间孤立的单个噪声点;然后通过扩展邻近窗口的方式检测空间连续的两个噪声点;接着进一步增加约束条件对空间连续的三个及以上的噪声点进行检测;最后对判断为噪声的像素用滤波窗口的中值替换。此外,该算法还能通过自适应地调整像素空间相关性判别阈值来处理不同分布特征的噪声。实验结果表明,与现有中值滤波算法相比,算法在有效滤除图像噪声的同时能更好地保护图像细节信息。     

石油管道超声检测信号的两级自适应噪声消除算法

针对石油管道缺陷超声检测信号的噪声消除问题, 研究了一种两级自适应噪声消除算法. 第一级自适应滤波器作为预处理级, 使信号获得较好的相关性和信噪比, 确保第二级自适应滤波器获得更优的性能. 实测超声信号两级自适应滤波结果表明: 两级自适应滤波算法能有效增强超声检测信号中的缺陷信号成分, 显著提高信噪比.     

基于模糊理论的椒盐噪声滤波算法

针对图像中的椒盐噪声,基于模糊理论设计了一种滤波算法。首先分析了椒盐噪声的特点,给出了自适应的噪声检测方法,并对噪点设计了自适应的噪声消除方法,最后采用几幅图像进行实验,定性和定量分析结果表明该方法对于椒盐噪声的消除可行、有效。     

自适应滤波技术综述

自适应滤波算法是基于二阶统计量的相关函数,该算法在自适应信号处理过程中有着广泛的应用。本文就当前国内外自适应滤波技术的发展进行了综述。     

A novel learning-based switching median filter for suppression of impulse noise in highly corrupted colour images

A novel switching median filter integrated with a learning-based noise detection method is proposed for suppression of impulse noise in highly corrupted colour images. Noise detection employs a new machine learning algorithm, called margin setting (MS), to detect noise pixels. MS detection is achieved by classifying noise and clean pixels with a decision surface. MS detection yields very high detection accuracy, i.e. a zero miss detection rate and a fairly low over detection rate for a wide range of noise levels. After noise detection, a new filter scheme called the noise-free two-stage (NFTS) filter is triggered. NFTS corrects the noise pixels using the median of the noise-free pixels in two stages. The results of experiments have demonstrated that the MS based NFTS (MSN) filter is superior to the support vector machine and neural network for denoising highly corrupted images, in terms of noise suppression and detail preservation.     

Switching vector median filters based on non-causal linear prediction for detection of impulse noise

A new group of switching vector filters based on the non-causal linear prediction for the detection of impulse noise from colour images is presented. The proposed filters utilise the non-causal linear prediction coefficients obtained from the block-by-block autocorrelation function to find prediction vector pixel value at the centre of the filter window. Thirteen prediction coefficients are selected from the autocorrelation matrix obtained from a block of an image, and these coefficients are used to predict all pixels in that block. The difference between the predicted pixel and the original decides whether the pixel is corrupted with impulse noise. Extensive simulation experiments indicate that the new vector filters outperform the other vector filters currently used to eliminate impulse noise from colour images.     

基于阈值判断的自适应中值滤波算法

针对标准的中值滤波算法在去除噪声与保留图像细节方面难以取舍的缺陷,在自适应中值滤波算法的基础上提出了一种改进的基于噪声点检测的自适应中值滤波算法.该算法在进行噪声点检测时采用了一种阈值判断法,充分利用了当前像素点与邻域像素点的灰度值之间的关系.结果表明,在噪声浓度较高时仍然可以区分噪声点与边缘点,滤波的同时有效地保护了图像的细节.     

噪声概率快速估计的自适应椒盐噪声消除算法

提出一种可识别噪声概率自动调节滤波窗口的自适应椒盐噪声消除算法。对非理想椒盐噪声污染图像随机区域进行变窗口中值滤波,将结果与滤波前比对获得噪声点数,滤波区域即按此点数排序。然后取每种滤波窗口下的中间三组数据,该数据平均加权获取图像噪声概率初估计,对初估计平均加权即得图像噪声概率。滤波前首先采用阈值法排除明显噪声点,剩余像素中再以离窗口中心像素距离平方的倒数为权值估计中心像素。最后由噪声概率按照T-S模糊规则对不同模型的输出估计值进行融合。实验证明,与传统中值滤波等算法相比,该算法具有噪声自动估计和自适应窗口调节能力,滤波后标准均方差可减少20%以上,速度可提高一倍多。     

一种椒盐噪声点的检测算法技术研究

针对中值滤波算法虽然能够在很大程度上改善噪声带来的影响,但是使图像边缘变得模糊这一问题,提出了一种检测椒盐噪声的新算法。使用该算法对图像进行噪声检测后再对噪声点进行中值滤波能够有效地去除椒盐噪声。实验证明该算法具有明显的去噪能力,且当椒盐噪声比较严重时,也能够取得较好的滤波效果。     

Efficient impulse noise removal using hybrid neuro-fuzzy filter with optimized intelligent water drop technique

Impulse noise (IN) affects the digital image, during transmission, digital storage, and image acquisition. IN removal from an image is necessary as it retains the quality of the image. This work concentrates on the IN. A neuro-fuzzy (NF) system based on a fuzzy technique which is trained by a learning algorithm derived from neural network theory was implemented for the removal of noise. A NF network for noise filtering in grayscale images that combines two NF filters with a postprocessor to produce the output was presented. However, Sugeno-type is not intuitive technique and it also less accurate. To overcome these problems, a hybrid NF filter with optimized intelligent water drop (IWD) technique is introduced, where hybridized Sugeno–Mamdani-based fuzzy interference system is implemented in both the NF filters to obtain more efficient noise removal system. To improve the accuracy of the assignment of membership values to each input pixels, the optimized IWD technique is utilized, as the choice of membership function decides the efficiency of the noise removal in the images. Here, Fuzzy rules have been used to obtain the filtered output. The Hybrid method maintains the accuracy of the Sugeno model and also the interpretable capability of the Mamdani model. This method is robust against the IN and it is flexible, efficient, and accurate than existing filtering method in both noise attenuation and detail preservation and it has a great scope for better real-time applications.     

一种降低D类功率放大器开关噪声的设计

传统D类功率放大器因特有的开关噪声对水下电子设备的信号接收、通信控制和信号传输等电信号产生很大的干扰,限制了D类功率放大器在水下电子设备中的广泛应用针对这一现象,首先阐明了Σ-Δ调制的D类功率放大器降低开关噪声的原理,然后对传统调制方式和Σ-Δ调制方式的D类功率放大器进行原理分析,并在Simulink软件中进行仿真对比。仿真结果表明,传统D类功率放大器在开关频率处的开关噪声能量高,Σ-Δ调制的D类功率放大器的开关噪声能量分散在一定的带宽内,并且开关噪声能量峰值低于传统D类功率放大器。     

消除图像脉冲噪声的模糊结合滤波器

提出模糊结合滤波用于消除脉冲噪声方法。它由噪声率检测、噪声污染程度W评价和模糊结合滤波器组成。根据选择中值滤波或最大最小排除均值滤波。由W确定模糊隶属函数及模糊判决规则。建立了模糊结合滤波的数学模型。模拟实验表明,椒盐噪声概率为80%时,滤波输出的峰值信噪比为25.8dB,均方误差为171,而且能很好地保护图像细节。     

离焦模糊图像的自适应滤波及逆滤波器复原

在微操作中,显微视觉系统获取的图像通常是离焦模糊图像.根据最小二乘原理和回归模型设计自适应滤波器,用于消除图像噪声,提高图像的信噪比;离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像频域的零点位置来估计圆盘函数的模糊参数;采用基于简化Wiener滤波的逆滤波器方法对模糊图像进行复原.对算法进行了仿真和实验分析,结果表明,该方法能够以较少的运算时间代价获取较好的复原效果.