经典图像去噪算法比较

在图像处理过程中,噪声处理效果影响图像的后继分析处理质量。介绍了几种经典图像去噪方法算法的原理及各自的优缺点。通过仿真实验,对比几种方法去除高斯噪声和椒盐噪声的效果,结果显示均值滤波算法去除高斯噪声效果较好,而中值滤波算法去除椒盐噪声效果较好。     

低照度图像去噪算法的研究与实现

针对低照度图像存在大量噪声的情况，分析了主要噪声源及各种常见的图像去噪算法，在综合考虑图像去噪平滑效果、图像的清晰程度及图像去噪时间复杂度的基础上，提出了结合数学形态学方法和中值滤波方法的图像去噪算法。通过试验数据验证了本算法的可行性、实时性和鲁棒性。     

基于二维经验模态和均值滤波的图像去噪方法

提出了一种新的图像去噪方法。此方法通过二维经验模态（BEMD）将噪声图像分解为一系列不同频带的子图像。对低频近似图像保持不变,对高频细节图像采用不同的模板进行均值滤波,最后将低频近似图像和均值滤波后的图像合成为去噪后的图像。实验结果表明该方法在滤除图像噪声的同时,又能较好地保留图像的边缘细节,其滤波效果优于单一的BEMD图像去噪和均值滤波图像去噪以及小波变换和均值滤波图像去噪方法。     

基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

针对煤电厂炉膛火焰图像含有脉冲噪声和高斯噪声混合含噪图像的特点,提出了中值滤波和小波变换相结合的火焰图像去噪方法。首先采用自适应权重中值滤波方法对火焰图像去噪,然后再对去噪后的图像进行小波分解,分解后对不同子带采用不同的滤波方法进行有效滤波。实验结果表明,该方法不仅能够有效地滤除图像噪声,提高火焰图像的质量,而且在边缘保持能力上比传统的去噪方法要好。     

基于改进中值滤波的图像去噪算法

中值滤波算法是一种常见的图像去噪算法,其性能受滤波器窗口大小的影响较大,因此提出一种能够根据噪声点自动调节滤波窗口大小的改进中值滤波算法,可以有效克服中值滤波不能调整窗口大小的缺点,避免图像边缘模糊。通过利用Matlab进行仿真实验,将所提算法与中值滤波和维纳滤波算法进行对比,并计算峰值信噪比（Peak Signal to Noise Ratio,PSNR）来分析去噪结果。实验表明,与中值滤波和维纳滤波相比,改进中值滤波算法能够更加快速准确地去除图像中的噪声。因此,该改进中值滤波算法是一种有效的图像去噪算法。     

基于均值滤波的改进算法

均值滤波算法是图像去噪的经典方法,它不仅能够快速减弱噪声对图像的干扰程度,而且可以有效地平滑图像。但普通均值滤波算法容易使图像边缘变得模糊,并且随着窗口的增大,模糊程度更加明显。本文将以处理高斯噪声为例,在原算法的基础上,进一步考虑了每个像素点在八个不同方向的邻域灰度值以不同的速度发生着变化,使算法得到增强,并对改进后的算法进行了相关分析。     

基于二维细胞自动机和中值运算的图像滤波方法

为滤除手写汉字识别图像预处理中二值图像上的噪声点,结合中值滤波和细胞自动机滤波方法,提出一种二值图像CA-M（Cellular Automata—Median）滤波方法,并给出具体的算法流程．利用该方法进行滤波去噪实验并计算算法效率,对二值图像去噪非常有效．     

基于粗糙集和多向差分图像的去噪方法

针对图像滤波方法对噪声类型具有偏好性的不足，提出了一种基于粗糙集的多向差分图像去噪方法．根据多向差分图像提出了描述像素平稳性的方向数和描述噪声性的方向极值数的概念，采用粗糙集理论按照像素的平稳性和噪声性将图像划分为平稳噪声子图、脉冲噪声子图以及正常像素子图．并对两类噪声子图分别设计了不同的自适应滤波算法．通过与其他5种滤波方法的对比实验，结果表明：该方法对4种不同噪声在MSE、PSNR和ISNR等性能指标上均获得了最优值，尤其对于椒盐噪声，该方法获得的ISNR指标高出中值滤波35％．     

多模图像联合非局部滤波快速算法

提出一种新的基于非局部均值的多模图像滤波方法。在该方法中,对于噪声图像 滤波采用非局部均值方法,其中对于噪声图像块之间灰度相似测度权重由另一幅图像引导计算。 实验结果表明,该方法比基于局部的图像去噪方法如双边滤波算法有更好地去噪效果。通过构 造联合积分图像对提出算法进行加速,与原始算法相比其显著提速两个数量级,加速算法的复 杂度不受滤波器大小影响,易于在并行系统中实现。     

自适应中值滤波算法在图像处理中的应用

为了比较自适应中值滤波相对于传统中值滤波在滤除数字图像中噪声时的优缺点,文章通过Matlab实现了中值滤波和自适应中值滤波仿真,分析了两种算法的滤波效果,从而从主观图像和客观参数上反映了自适应中值滤波算法的优越性,得到了它比传统中值滤波算法具有较好的图像去噪和细节保护性能的结论。     

基于灰色关联度的图像自适应中值滤波算法

研究图像去噪是图像处理中一个重要的课题。传统去除高斯噪声的方法是均值滤波,均值滤波方法模糊了图像的细节信息,中值滤波虽然能较好的保护图像的细节信息但滤除高斯噪声的效果不理想。灰色关联度能根据系统各因素间相似程度来度量因素之间的关联程度。利用灰色关联度的特性和中值滤波器的优点,提出一种基于灰色关联度的自适应中值滤波算法,算法可以根据图像像素之间的相似程度自适应地调整滤波加权系数,使滤波系数更加合理,改善原有算法的滤波性能。实验表明算法对受到高斯噪声干扰的图像进行去噪取得较好的滤波效果,同时还保护了图像的细节信息。     

迭代自适应权重均值滤波的图像去噪

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法（IAWF）。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比（PSNR）、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。     

图像椒盐噪声的开关滤波算法综述

椒盐噪声去除是图像去噪领域的经典问题。开关滤波是一类流行的椒盐噪声去除方法。它将椒盐噪声去除过程分成噪声检测和噪声恢复两个阶段,先检测图像中的椒盐噪声点,然后仅对检测到的噪声点进行滤波恢复,保持非噪声点的灰度不变,有利于保护图像细节。在对椒盐噪声特性阐述的基础上,详细介绍了国内外近年来出现的10种开关滤波算法,分析了它们各自在噪声检测和噪声恢复上的优缺点。最后,指出了现有的开关滤波算法面临的一类新问题。     

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。     

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。     

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。     

基于空域滤波的图像增强法的探讨

图像采集和处理方法的发展日新月异,针对不同图像特征的图像增强技术,可以加强图像可懂性,提高视觉效果,抑制噪声,为图像的后续识别做更好的铺垫。本文MATLAB平台主要用于平滑和锐化的QR码图像处理,在QR码图像去噪问题上,结合滤波的不同模板以及噪声类型,所获得的不同滤波的仿真实验结果表明:中值滤波窗口的尺寸大小是影响椒盐噪声去除有效性和提升图像识别率的关键因素;空域图像增强法中,平滑滤波所呈现出的功能效果更优于锐化滤波。     

基于粗集的图像混合噪声滤波算法

实际应用中图像常受到不同类型噪声的同时干扰,为解决混合噪声图像的去噪问题,提出了一种基于粗集的图像滤波算法.该算法将粗集理论应用到图像滤波中,利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除.实验结果表明,该算法在抑制混合噪声时性能优于传统中值滤波、均值滤波等方法,同时也能较好地保护细节信息.     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像素采用均值滤波算法，而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。仿真结果证明，该方法更具有实用性和有效性。     

混合波原子和双边滤波的纹理图像滤波方法

为了更好地去除纹理图像中的噪声, 提出了一种新的混合波原子阈值的振荡纹理图像扩散模型; 利用扩散方程和图像滤波方法的理论联系, 给出了联合双边滤波的图像去噪算法; 最后, 利用峰值信噪比(PSNR)和结构相似度(SSIM)两个客观图像质量评价指标, 与目前流行的图像去噪方法(包括波原子阈值、双边滤波、高斯尺度混合(GSM), 以及非局部滤波(NLM))进行比较。 实验结果验证了新方法的有效性。