基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

基于线性变换与多种平滑去噪的爆堆图像增强方法

介绍了自主设计的"基于灰度线性变换与综合多种平滑去噪"的爆堆图像增强方法。首先根据爆堆图像的灰度分布情况对爆堆图像进行灰度线性变换,使图像中矿岩与背景区别更加明显;然后对爆堆图像用均值滤波、中值滤波、高斯滤波进行综合平滑处理,这样不仅祛除了图像的噪声,而且很好的保留了图像中矿岩的边缘。     

基于非局部均值算法的地震随机噪声滤波

为了改善地震图像的质量以利于勘探,提出了一种基于非局部均值滤波抑制地震图像随机噪声的新算法。非局部算法最初是一种用于图像去噪法。该算法对图像的每一个像素点（或数据）去噪只需考虑像素点的相似性,而无需考虑像素点空间上的距离。非局部均值所对数据没有假设前提,除了数据结构具有一阶冗余度。由于这个假设对大部分地震数据是成立的,所以我们提出了对地震数据随机噪声去噪的非局部算法。合成地震记录和实际数据使用非局部去噪算法,与传统算法（如：中值滤波,高斯滤波）相比,既对随机噪声进行了抑制,又不会降低地震同相轴陡变处或同相轴弯曲处的分辨率,提高了图像的质量。     

数字射线图像的滤噪方法

目的　研究射线图像中保持细节的滤噪方法 .方法　依据图像中噪声的特点 ,提出三种去噪方法 ,即差分梯度法、邻域比较法、σ滤波与邻域比较相结合 .结果　采用这些方法对射线图像进行处理 ,有明显的去噪效果 ,且保持细节 .结论　这些方法对于图像滤噪具有普遍意义 ,特别对于含有微小细节、颗粒脉冲噪声的图像更适合     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

基于改进的灰色关联度的根系图像边缘检测

目的实现对植物根系形态基本参数的计算和分析。方法针对阵列分布内窥式图像获取技术采集的根系图像,提出一种改进的灰色关联度的边缘检测算法。该算法基于灰色关联分析理论,采用变权的邓式关联度模型,利用Sobel算子的2个模板作为参考序列,选取像素的八邻域分量值形成比较序列,通过两类序列之间的关联度实现边缘检测。结果仿真结果表明该算法与传统的边缘检测算子相比,能够较准确地检验出有用的根系边缘信息。结论基于Sobel算子的变权关联度的根系边缘检测算法有效地提高了边缘检测效果,具有一定的抗噪性能。     

利用面片法向均值滤波的混合型网格去噪方法

通过对面片法向均值滤波去噪方法的研究,提出了一种改进的混合型去噪算法。通过取值顶点的一环正常边二面角的平均,将顶点分为噪声顶点和一般顶点,然后对噪声顶点利用Laplacian方法进行平移去噪,同时将保持特征的面片法向均值滤波去噪方法作用于一般顶点。实验结果表明：这种混合方法能有效地去除大小噪声,并且在去噪过程中能保持网格的特征。     

自适应模糊小波阈值去噪算法在图像中的应用

消除在图像中产生的噪声,为了使图像清晰,污染度小,成了数字图像处理信息传播的重要部分。本文分析了中值滤波法、维纳滤波法、邻域平均法等几种传统的方法,着重研究自适应模糊小波阈值算法在图像去噪中的应用。运用Matlab软件对一张含噪图片（含高斯噪声）进行仿真去噪,仿真结果分析比较,得出了自适应模糊小波阈值去噪算法比传统方法去噪效果更好,更明显。     

图像检测方法研究

图像噪声会严重影响其视觉效果,采用适当的方法进行图像去噪是一项必不可少的预处理操作。本文对几种常用的图像去噪方法进行了分析,通过仿真高斯噪声和椒盐噪声,着重对基于均值滤波、中值滤波以及卷积神经网络的实际去噪效果进行了比较。实验结果表明三种方法的去噪效果各有优劣,均能提高图像的检测质量。     

一种改进的Roberts和灰色关联分析的边缘检测算法

针对Roberts算子容易漏检及对噪声较敏感的问题,提出一种改进的基于灰色关联分析方法的边缘检测算法GRA-Roberts.通过改进Roberts算子提高其检测精度和抗噪性能,结合灰色关联分析方法,将改进后的Roberts算子作为参考序列,通过计算灰色关联度来检测图像边缘.实验结果表明,GRA-Roberts算法能有效克服Roberts算子算法易漏检和对噪声敏感的问题,且比其他灰色关联结合算法具有更好的检测效果.     

一种改进的中值滤波去噪算法

图像的去噪是图像处理中最基本的工作,去噪处理的好坏将直接影响到后续的分割和识别,本文针对传统的中值滤波算法容易造成细节的丢失的缺点,提出一种改进的算法,采用两种不同尺度的正方形窗口和一个多极加权滤波窗口作为候选窗口,判断灰度方差最小的窗口作为最终的滤波窗口完成滤波去噪操作,实验表明,该改进算法实现了自适应选择不同尺度不同方向的窗口来进行滤波,具有良好的保边性能。     

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.     

基于 YCbCr 颜色空间的快递单手写文字分割

目的在YCbCr颜色空间下,利用Cb颜色分量信息结合阈值分割方法,提取快递单图像手写体文字信息。方法首先将图像从RGB颜色空间转换到YCbCr颜色空间下,然后在Cb颜色分量图像下进行图像阈值分割处理操作,最后对提取出的手写体文字信息进行中值滤波去噪处理,并将该算法提取的结果与基于YCbCr颜色空间使用K均值聚类方法提取的结果在分割效果、分割时间与文字识别率上进行对比。结果利用Cb颜色分量提取出的手写体文字信息更清晰,具有更快的处理速度和更高的识别率,快递单图像平均处理时间为1.36 s,识别率为89%。结论单独利用Cb颜色分量信息提取手写文字就可得到较好的提取效果,算法简单、可行。     

一种基于噪声概念的新的去噪方法

在几乎所有的图像处理领域,在正式对图像处理之前,为了改善图像的质量,一般都要去除在图像传输等过程中产生的噪声。笔者介绍了一种新的去噪方法,该方法是基于噪声的概念提出的,对去除诸如椒盐噪声、随机噪声等效果都很好,尤其对随机噪声更显出其优势。该算法简单有效,容易实现。最后给出了在不同噪声量的情况下试验的对比图,经过大量的试验证明,这种新的算法能得到很好的去噪效果。     

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.     

脊波变换在眼底图像中的去噪效果评价

针对实际的眼底图像中含有噪声,严重影响对病灶的诊断,根据其先验知识,本文采用四种多尺度几何变换技术对其进行去噪处理,即脊波,加维纳滤波的脊波、小波和轮廓波算法;并给出基于高斯波形提取的LMLSD(局部均值和局部标准差)算法,估算处理后图像的SNR(信噪比),对这四种去噪算法的处理效果进行客观的量化评价.实验结果表明,图像经加维纳滤波的脊波去噪算法处理后,图像最为清晰,SNR提高最为明显,较原始图像提高约5.04倍,客观量化评价结果与主观视觉感受一致.     

指纹识别系统中的预处理组合算法

针对电容式传感器采集的指纹图像的特点,本文提出了一套完整的指纹图像预处理组合算法.该算法充分考虑到了采集到的指纹图像的质量和图像面积等问题,且从全局角度出发在当前原有算法基础上加入了两次滤波去噪来增强指纹纹线并有效消除噪声以得到更清晰准确的处理结果.算法首先对采集到的指纹图像采用边缘保持滤波法去除噪声;然后使用基于纹路方向性的Cabor滤波图像增强算法增强去噪后的指纹图像,减少因指纹旋转及平移因素造成的误差;接着对增强后的图像采用动态阈值法进行二值化处理并进一步地二次滤波去噪;最后采用基于形态学的细化算法对二值图像进行细化将其变为点线图.实验证明,通过该算法处理后的图像很好地保留了纹线的关键信息,有利于后续的指纹特征提取和匹配.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

一种多模板的混合滤波乘性噪声图像去噪算法

提出了一种计算简单的去除图像乘性噪声的自适应混合算法,它通过事先定义一组实现简单的具有不同特性、不同大小窗口的中值和均值滤波器组,根据图像不同区域特征选择不同滤波器进行滤波.该算法能有效地利用空间滤波的特性,且便于硬件实现.实验结果表明,与现有的自适应去噪算法相比,该算法不但计算简单,而且在噪声抑制和细节保留方面综合平衡较好.     

基于块匹配的迭代滤波SAR图像去噪

提出了一种基于块匹配的迭代滤波合成孔径雷达图像去噪方法。首先,利用图像块之间的相似性进行块匹配,将相似图像块构建成一个三维矩阵。然后,在相似图像块之间进行迭代变换域滤波去除相干斑噪声,通过加权平均重建得到基本估计去噪图像。最后,对基本估计结果图像执行块匹配,在相似图像块内与相似图像块之间进行三维经验滤波得到最终去噪图像。实验表明,该方法不仅能够很好的去除合成孔径雷达图像相干斑噪声,还能够较好地保持图像的细节信息。