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。     

一种新的自适应滤波器及其应用

依据状态空间模型与时间序列模型的基本关系,考虑抽油机井热洗清蜡实际,本文提出了一种新的自适应滤波器,应用这种滤波器确定的热洗周期具有很高的精度,对生产具有重要意义。     

红外图像的自适应混合消噪方法

针对带有高斯噪声和脉冲噪声的红外图像,提出一种自适应混合去噪方法。首先将受脉冲噪声和高斯噪声污染的像素区分开来,然后对被脉冲噪声污染的像素采用自适应层叠中值滤波法,对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明,该方法在信噪比(SNR)和最小均方误差(MSE)的改善上明显优于线性平滑滤波法和普通中值滤波算法,并具有较好的图像细节保护能力和较快的滤波速度。     

一种自适应Kalman滤波器算法的不收敛性研究

本文详细研究了一种带未知噪声统计系统的自适应Kalman滤波算法。仿真及初步的理论分析证明了该算法是不收敛的。     

图像降噪的自适应高斯平滑滤波器

作为去除图像中噪声的图像增强技术,常用的图像平滑方法在提高局部信噪比的同时,也使图像产生模糊。为克服上述缺点,引入了自适应高斯滤波器,它结合了高斯滤波器和梯度倒数加权滤波器的特点,同时考虑了图像局部的空间距离和像素距离,以确定参与局部平滑的像素及其权值。该滤波器算法牺牲了简单平滑滤波器的计算性能,但很好地保留了图像的局部特点,特别是边缘和细节。实验比较了该方法与其他常用滤波器的性能,结果证实了该方法的有效性。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

一种新的线性混合滤波器

提出一种新的滤波器,称为线性混合滤波器（简称为LMF）,它适用于恢复被一类混合噪音（即一致脉冲噪音与高斯噪音）污染的数字图像。当混合噪音强度在一定范围内变化时,它具有自动调节机制。与若干已知的同类滤波器相比,LMF的速度更快,具有简单而统一的控制参数计算公式,而不是关于参数的选取范围。而且从实验结果可见,用LMF时峰值信噪比得到提高,均方误差得到降低。     

一种神经网络自适应滤波器的分析

本文分析了用神经网络来计算自适应滤波器权系数的途径和方法，这样可大大提高运算速度；能很好地完成实时诊断任务。     

一种用于图像边缘检测的自适应指数滤波器

本文提出一种用于图像边缘检测的自适应滤波器,利用它既可滤除图像噪声,又可获取精确度高的图像边缘。文中比较详细地分析了这种滤波器,并给出了递归实现算法。理论分析和实验结果表明,自适应指数滤波器的性能优于高斯滤波器。     

一种去除图像混合噪声的快速PGF滤波

1.引言在图像处理的预处理阶段中,噪声的滤除往往非常重要。高斯滤波和中值滤波是最常用的滤波方法。其中高斯滤波对滤除高斯噪声非常有效,但会损坏图像的边缘信息,从而使图像变得模糊起来。而中值滤波能很好地滤除脉冲噪声,却对消除高斯噪声则效果不佳。两者共同的缺陷是对滤波窗口中所有邻域像素都采用一致的处理,从而会引入误差,损坏图像的边缘和细节。于是能快速地滤除混合噪声,又能保护好图像边缘信息的自适应滤波方法成为图像滤波中主要的研究热点。     

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。     

基于自适应边缘检测的小波包图像去噪

为了在滤除图像噪声的同时能很好地保持图像的细节，提出了一种基于自适应边缘检测的小渡包图像去噪方法，先用自适应滤波多尺度边缘检测方法检测出图像的边缘，小波包去噪时就可选用全局闽值而不必担心损害图像的边缘特征。实验结果表明，谊方法不但可以保持图像的边缘信息，而且能够提高去噪后图像的信噪比。     

数字图像自适应去噪算法的FPGA实现

针对数字图像中椒盐噪声的滤除,提出一种适合FPGA实现的自适应去噪算法。在传统算法中加入二次噪声检测,并且在DE2平台上搭建数字图像的椒盐噪声自适应去噪验证平台进行验证。     

一种影像测量系统中自适应混合噪声滤波方法

介绍了影像测量系统中的噪声来源以及常用的滤波方法。针对均值滤波器和中值滤波器在滤除高斯噪声和脉冲噪声时各自表现出良好的性能,设计了一种针对待测零件图像中混合噪声的自适应滤波方法,系统根据噪声类别灵活选择滤波方法。实验证明改进的滤波策略能获得比传统滤波方法更高的信噪比改善因子。     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

新的强高斯噪声自适应滤波方法

为有效去除严重的高斯噪声、更好地保护图像细节,提出了一种基于改进脉冲耦合神经网络（PCNN）的自适应去噪方法。根据PCNN神经元的点火捕获特性,定位受强噪声污染的像素,并采用类中值滤波对强噪声点进行滤除;基于无连接脉冲耦合神经网络（PCNNNI）的点火时刻矩阵自适应选择滤波方法平滑弱噪声点。实验结果表明,与传统去噪方法相比,该方法噪声去除效果好,图像细节保持完整,而且系统具有一定的泛化能力。     

基于鲁棒自适应Kalman滤波的PET放射性浓度重建

针对正电子发射断层成像重建过程中存在的系统模型误差和投影数据不确定性,提出了基于状态空间体系的鲁棒自适应Kalman滤波法。该方法根据药物动力学先验信息建立状态方程,结合PET测量方程组成状态空间模型。引入虚拟噪声来表示模型的系统矩阵误差之后,通过应用鲁棒自适应Kalman滤波法对未知的系统噪声以及观测噪声进行估计的同时完成PET放射性浓度的重建。实验结果表明,此算法比传统的最大似然法和滤波反投影法更具鲁棒性,适合应用于实际PET系统中。     

Fuzzy adaptive anisotropic filter for medical images

Abstract: An adaptive anisotropic diffusion filter for images is proposed in this paper. First, the gradient of an image was calculated by a novel fuzzy‐rule‐based gradient operator. Accordingly, the centre of gravity of a histogram of the gradient image was estimated and it was assigned as an edge threshold. In conventional anisotropic filters, the conduction coefficients have to be selected by an operator. However, in this study, the centre of gravity of the histogram was assigned as the conduction coefficient of the anisotropic filter. Consequently, an adaptive anisotropic image filter which automatically sets its conduction coefficient without user intervention was developed. The image filter achieved was tested with various medical images.     

基于SLIC的自适应多主体图像分割算法

为了解决多主体图像分割的交互分割问题,提出了一种基于SLIC超像素的自适应图像分割算法。首先利用SLIC对图像进行超像素分割处理,把原图像分割为大小相似、形状规则的超像素,以超像素中心点的五维特征值作为原始数据点通过自适应参数的DBSCAN算法聚类,确定多主体数目和分割边界。算法不需要用户交互,自适应确定分割数目。为了验证算法的有效性,在伯克利大学标准数据集BSDS500上与人工标注的分割图像进行比较, 前期的超像素处理使算法在时间上有很好的提升,对于一幅481×321像素的图像,只需要1.5 s就可以获得结果。实验结果表明,该方法可以有效解决多主体图像分割中的人工交互问题,同时在PRI和VOI的指数对比上也优于传统算法,本文算法可以在保证分割效果的基础上自适应确定分割数目,提高分割效率。