基于自适应中值滤波的图像去噪技术研究

中值滤波和自适应中值滤波被广泛地应用于消除图像的椒盐噪声。传统中值滤波算法无法根据图像噪声浓度改变窗口尺寸,并且噪声浓度过高时,中值滤波算法基本失效。自适应中值滤波算法可以根据椒盐噪声浓度大小对窗口尺寸进行改变,在高浓度噪声干扰下仍然具有较好的去噪效果。针对椒盐噪声,对中值滤波算法和自适应中值滤波算法去噪结果进行比较。通过仿真实验对图像添加不同浓度的椒盐噪声,并分别使用中值滤波算法和自适应中值滤波算法进行噪声去除,实验结果表明,在去除椒盐噪声方面,自适应中值滤波克服窗口尺寸局限性后,比中值滤波具有更好地去噪效果,能很好地保留图像细节,且它的信噪比、峰值信噪比数值最大,均方误差的值最小。     

梯度相似性的椒盐图像加权中值滤波算法

在对现有椒盐噪声中值滤波算法分析的基础上,提出了基于梯度相似性的椒盐噪声图像加权中值滤波算法。利用灰度图像窗口内各个像素点灰度值的差异,将含有椒盐噪声的图像分为疑似噪声点和信号点,然后利用窗口像素点的梯度相似性对疑似噪声点进行分析,并运用图像极值剪切技术去除噪声点像素的干扰。采用舍弃方差极大值的改进加权中值滤波算法给噪声点赋值。实验表明,该算法对图像的细节保留能力和滤波能力有较大的提高,能取得较好的峰值信噪比。     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷---对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法。该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度。先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块。最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

图像去噪滤波方法的对比研究

去噪是图像预处理的关键,线性滤波器和非线性滤波器都可以对图像进行滤波操作。选取线性滤波器中的高斯滤波与非线性滤波器中的中值滤波和引导滤波对被椒盐噪声和高斯噪声污染的双排线束图像进行去噪操作,通过主观视觉观测和客观指标两个方面来衡量3种滤波方法的去噪效果并进行对比研究。结果表明:中值滤波去椒盐噪声的效果最好;引导滤波去高斯噪声的效果最好;当同时存在椒盐、高斯混合噪声时,中值滤波和引导滤波都能收获较好的滤波效果,但是引导滤波处理后的输出图像与原始图像的结构相似性更高。     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

一种新的自适应边缘保持滤波算法

在进行图像去噪时,为解决兼顾降低噪声和保留细节的难题,提出了一种新的自适应边缘保持滤波算法——区域灰度值最小方差的均值滤波算法．算法在图像去噪过程中利用邻域区间中各像素点之间的相互关联性,在8个方向上对像素点进行处理,具有较强的相关性和自适应性．利用该算法对随机噪声和椒盐噪声进行仿真去噪试验,结果表明,与已有的去噪算法相比,所提算法在去除噪声的同时较好地保持了图像的边缘、细节信息．     

一种改进的快速中值滤波算法

对多种中值滤波算法的去噪效果和耗时进行了研究,提出一种改进的快速中值滤波算法。先采用二分法删除第一列数据,插入窗口第三列数据来求得中值,接着对该像素点进行噪声的确定,然后根据判断结果进行中值滤波处理。此算法将中值滤波算法的排序比较次数降低了一半,使得滤波的速度提高了3．5倍;同时减少了图像细节信息的丢失,提高了中值滤波算法的信噪比。     

不同光照条件下含噪遥感图像边缘检测算法

针对不同光照条件导致遥感图像采集过程中形成随机噪声的问题,研究不同光照条件下含噪遥感图像边缘检测算法,以此提升遥感图像配准、识别的精度。针对不同光照条件下遥感图像获取过程中的随机高斯噪声,将邻域均值滤波算法与中值滤波算法相结合构建加窗中值滤波算法,利用该算法对含噪遥感图像实施滤波处理,消除遥感图像内的各类噪声。针对去噪后的遥感图像,利用Canny算子进行图像梯度计算,并进行最大值约束。对约束后的遥感图像梯度直方图采用最大类间方差法自适应检测和连接边缘的高、低阈值,通过跟踪边缘像素点,完成遥感图像边缘检测。测试结果表明,该算法可最大限度上还原实际遥感图像,准确检测图像边缘信息,提升遥感图像配准、识别的精度。     

常用图像去噪算法的比较与研究

去噪是图像处理中极其重要的步骤.研究了常用的去噪算法并进行改进,还对常用去噪算法进行了对比实验,提出用峰值信噪比(PSNR)、最小均方差(MSE)、归一化绝对误差(NAE)相结合来衡量各种算法的去噪效果.实验表明,自适应中值滤波去除椒盐噪声的效果最好;改进的中值维纳滤波由于融合了二者的优点,其去噪效果和边缘保持能力较维纳滤波和中值滤波好.     

图像高椒盐噪声的迭代滤除算法

为有效滤除图像中的高椒盐噪声,提出一种迭代滤波算法.首先采用极值方法检测出噪声点,然后对噪声点以迭代方式逐步滤波,直到噪声点全部清除.利用迭代方式中每一噪声点都能直接或间接利用到图像有用信息的特点,滤波输出始终采用恒定的3×3小邻域,避免了大邻域窗口的诸多弊端.基于图像相关特性,在滤波输出上采用一种基于灰度差的加权均值方式.仿真结果表明,该算法能有效滤除图像中的高椒盐噪声,性能优于其他许多同类算法.     

基于相关权值的图像椒盐噪声自适应窗滤波

为有效滤除图像中椒盐噪声,提出一种基于相关权值的自适应窗滤波算法。算法基于极值检测判断噪声点并仅对噪声点滤波。引入灰度差刻画邻域像素与中心像素的相关性,以此为基础设置像素权值,对中心像素执行加权均值滤波。通过邻域窗口的自适应扩展适应噪声密度变化,并对邻域像素分区域设置权值,从而适应高椒盐噪声的滤除。仿真结果表明,本文算法能够有效滤除图像中的椒盐噪声,尤其在高椒盐噪声下性能表现更佳。     

针对脉冲噪声的双窗口自适应中值滤波方法

针对中值滤波效果随滤波窗口大小和噪声密度而显著变化的不足,提出了将噪声检测和噪声滤除窗口相分离的方法,采用大窗口检测噪声和小窗口滤除噪声的策略、自适应脉冲噪声滤除策略以提高图象滤波性能。实验表明,该方法在噪声检测的准确性和噪声滤除的有效性方面均有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

Filtering algorithm of line structured light for long-distance obstacle detection

Since unmanned ground vehicles often encounter concave and convex obstacles in wild ground, a filtering algorithm using line structured light to detect these long distance obstacles is proposed. For the line structured light image, a ranked-order based adaptively extremum median (RAEM) filter algorithm on salt and pepper noise is presented. In the algorithm, firstly effective points and noise points in a filtering window are differentiated; then the gray values of noise points are replaced by the medium of gray values of the effective pixels, with the efficient points'' gray values unchanged; in the end this algorithm is proved to be efficient by experiments. Experimental results demonstrate that the proposed algorithm can remove noise points effectively and minimize the image blur, resulting into protecting the edge information as much as possible.     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

全变差曲波变换在医学影像图像去噪中的应用

针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

一种适于FPGA实现的中值滤波及软硬件协同仿真

针对中值滤波处理图像时存在的缺陷,提出了一种基于简单椒盐噪声滤波算法的极值中值滤波算法,通过对256×256×8 bits的Lena图像和Link for ModelSim仿真验证了该算法的处理效果.结果表明,该算法能很好地滤除椒盐噪声和保护图像细节,易在FPGA上实现,提高了图像的处理速度.另外,为了加快系统的功能验证,在系统仿真中使用Link for ModelSim组件,打破了软硬件间的屏蔽,节省了仿真时间.