墙地砖图像的快速中值滤波研究

以墙地砖为研究对象，根据提出的快速中值滤波算法对之进行了去噪处理，实践证明了该算法的正确性与可行性，因此它成为智能墙地砖分栋机软件编程中平滑处理的快速算法，为墙地砖的在线全数监测打下必要的基础。     

中值滤波与均值滤波的去噪性能比较

推导和讨论了中值滤波和均值滤波的去噪性能,分析和实验表明,在更一般的噪声模型下,当噪声污染的概率较小时,中值滤波抑制噪声的能力优于均值滤波,而当噪声污染的概率较大时,均值滤波抑制噪声的能力优于中值滤波。     

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。     

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。     

基于剩余噪声检测的自适应中值滤波算法

在对图像中噪声模型分析的基础上,提出了一种基于剩余噪声检测的自适应中值滤波算法.通过对剩余脉冲的检测,自适应地改变滤波器窗口尺寸,从而有效地滤除密度较大的脉冲干扰,同时较好地保留图像的细节.对实际图像的测试结果表明,所提出算法的输出结果优于标准中值滤波器.     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于脉冲噪声点检测的中值滤波改进算法

在对中值滤波及其他改进算法进行研究分析的基础上,提出了一种基于脉冲噪声点检测的中值滤波改进算法。通过设定阈值标记出可能的噪声点,再根据相邻像素的相关性对可能的噪声点进一步判断,精确确定噪声点,只对噪声点进行中值滤波。实验结果表明,相对于中值滤波及其他改进算法,新算法获得的去噪后的图像具有更好的客观评价指标和主观视觉效果。     

基于小波变换的微光图像中值滤波消噪

为了提高微光图像在目标识别中的可靠性,利用微光图像中所含噪声点具有椒盐噪声的特点,对图像进行小波变换并仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像.由小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声.结果表明包含在图像中的噪声可以很好地被消除.这种消噪方法克服了中值滤波方法边缘模糊的缺点,保持了微光图像中的细节部分.     

一种改进的金相图像处理自适应加权均值滤波方法

金相组织图像分析是显微图像分析中的一个重要内容。由于噪声的存在会对图像分析带来很大的误差,因此进行图像分析前需要对金相图像进行滤噪处理,从而使图像的细节更加突出,便于目标识别。针对标准均值滤波方法存在的不足,提出自适应加权均值滤波方法。该方法通过检测确定图像中的脉冲噪声点,并用改进的均值滤波方法对检测出的噪声点进行滤波。实验结果表明,自适应加权均值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准均值滤波具有更优良的滤波效果,而且可与更大窗口的中值滤波效果相媲美,其处理速度比大窗口的中值滤波快。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

基于点检测的脉冲噪声中值滤波算法

提出了一种基于噪声点检测的中值滤波算法.该算法通过灰度变化率设置阈值判别脉冲噪声点,并将脉冲噪声点信息记录到与图像对应的噪声记录数组中.滤波过程中,根据噪声记录数组的信息,剔除噪声点周围的其它噪声点的灰度信息,使噪声点的灰度值得到较好的还原.该算法与标准中值滤波算法相比,能在滤出脉冲噪声的同时,较好地保留图像的细节信息.     

某图像处理系统中滤波算法的改进

滤波技术是一种图像增强技术，很多图像处理和分析系统都采用滤波技术减弱噪声的影响。针对某系统采用的均值滤波算法会模糊区域边缘的不足，作者使用中值滤波算法对原系统做了改进。该算法在消除噪声的同时不会影响区域的边缘。经实验验证，改进系统的效果优于原系统。     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

基于混合滤波算法的太阳光斑图像位置跟踪

针对传统滤波算法存在不能完全消除太阳光斑中孤立噪声点、太阳光斑图像边缘模糊的缺陷,导致太阳能自动跟踪系统跟踪精度低、稳定性差等问题,提出一种基于改进的维纳滤波与极值检测中值的滤波混合噪声算法对太阳光斑消噪滤波.在不同情况下利用实测某地太阳高度角、方位角等进行仿真实验,结果表明,该算法能够适应复杂天气条件,在阴雨、雾霾天气下仍能对太阳精准跟踪,达到提高太阳能利用率的预期效果.     

一种模糊自适应滤波算法的研究与实现

为解决均值滤波和中值滤波算法在数字信号处理中存在的问题,提出一种模糊自适应滤波算法．根据每个元素噪声度的大小控制均值滤波窗口的大小,并做了大量的仿真．与普通的均值滤波和中值滤波进行比较发现,该方法不仅很好地去除了信号中混有的脉冲,而且在不损坏信号细节的前提下,很好地滤除了噪声信号．最后,使用了信噪比改善因子S来检验算法的滤波效果,证明其滤波效果好于传统的中值滤波和均值滤波,且具有算法简单、实时性好等特点,并已经应用在很多场合．     

基于像素类型的彩色图像局部自适应滤波

针对彩色图像的细节丰富和边界明显特点,提出了基于像素类型的局部自适应滤波方法。该方法首先检测彩色图像的边界点,再按照设定参数选择自动选择局部灰度平稳区,然后根据选定领域范围内像素的统计特性来判断中心像素的类型。结合邻域大小和像素类型,设计了不同的滤波模板。该方法不需人为选定待滤波区域,对噪声适应性强,且运算时间短,效果明显。     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,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.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

Matlab语言在数字图像中值滤波中的应用研究

使用一种图像处理的语言-Matlab语言，利用它所具有的图像处理工具箱，对图像进行中值滤波技术处理。结果表明，利用Matlab语言对加噪图像进行中值滤波处理，具有速度快、编程简单、处理效果好的特点，且大大节省了编程时间，缩短了编程周期。