一种基于改进的非对称裁剪中值滤波算法

为了在各种噪声密度条件下,都能恢复椒盐噪声污染的图像并能很好地保持图像的细节,提出了一种基于改进的非对称裁剪中值滤波算法清除椒盐噪声.该方法首先对噪声点进行检测,然后基于滑动窗口中噪声点的数目来自适应改变窗口的大小,最后应用一种改进的非对称裁剪中值滤波器计算中值,结果显示该算法各项指标都要优于其它算法.实验结果表明了在各种的噪声密度条件下,该算法能较好地清除椒盐噪声,而且也能较好地保护图像细节,比现存的一些中值滤波算法清除椒盐噪声的效果更加优秀     

一种基于中值滤波的图像去噪算法

由于图像噪声会对后续的图像处理结果产生影响,所以在对图像进行其他处理前应先对图像去噪。针对传统中值滤波器在去除均匀分布椒盐噪声时效果并不理想,设计出一种自适应阈值中值滤波器。分别用两种滤波器进行图像去噪实验,通过对比去噪后图像的信噪比、峰值信噪比以及视觉效果发现:较之传统的中值滤波器,新的自适应中值滤波器能更有效地去除椒盐噪声并减少图像失真。     

一种基于纵横子窗口的去椒盐噪声算法

为了有效地去除图像椒盐噪声并且较好地保持图像的细节,提出了纵横子窗口的滤波算法.算法对噪声图像检测窗口内中心像素点进行检测,如果是噪声点,将检测窗口划分为水平和垂直方向2N个子窗口,计算子窗口内非噪声点的个数,如果为奇数,求出它们的中值;如果为偶数,求出它们的均值,然后用这些子窗口的中值、均值及中心点像素值的中值替代中心点像素值,对于非噪声点的中心点保持原值不变.仿真实验表明,算法对椒盐噪声的抑制和图像细节的保持具有较好的鲁棒性和适应性.     

基于动态窗口的自适应中值滤波算法

针对中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法.新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好地处理图像的细节部份.新算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除.通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高图像的峰值信噪比,其去噪效果相比其他方法更加优秀.     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

基于多级中值滤波的严重椒盐噪声污染图像恢复

文章提出了一种用于基于多级中值滤波的严重椒盐噪声污染图像恢复的方法.该算法首先用多级中值滤波对图像进行滤波,然后用噪声定位技术将滤波后的图像像素点分为噪声和信号点两类,建立噪声标记矩阵,进而对噪声点进行噪声消除,对非噪声点保持原值不变,从而实现噪声污染图像恢复.实验结果表明,本算法对于噪声浓度大于40%的污染图像去除噪声及保留细节等方面的效果非常显著,尤其对于严重椒盐噪声污染图像.     

一种新型的自适应模糊中值滤波算法

针对传统中值滤波算法不能很好地保护图像细节以及受严重噪声污染时性能急剧下降的情况,提出了一种新型的自适应模糊中值滤波算法。通过比较滤波窗口内像素点的灰度值与像素点灰度值的均值定义了模糊滤波系数,利用此模糊滤波系数对滤波方法进行加权,得到一种加权中值滤波器。通过对小窗口内的灰度值不等于最大灰度值和最小灰度值的像素点的检测自适应调整窗口大小,对超过设定的最大窗口的情况,噪声点的灰度值用四个相邻的已处理的像素点灰度值的均值进行替换。仿真结果表明,新算法具有较好的细节保护能力和较强的去除噪声能力。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

一种基于纵横子窗口的去椒盐噪声算法

为了有效地去除图像椒盐噪声并且较好地保持图像的细节,提出了纵横子窗口的滤波算法。算法对噪声图像检测窗口内中心像素点进行检测,如果是噪声点,将检测窗口划分为水平和垂直方向2N个子窗口,计算子窗口内非噪声点的个数,如果为奇数,求出它们的中值;如果为偶数,求出它们的均值,然后用这些子窗口的中值、均值及中心点像素值的中值替代中心点像素值,对于非噪声点的中心点保持原值不变。仿真实验表明,算法对椒盐噪声的抑制和图像细节的保持具有较好的鲁棒性和适应性。     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

基于双窗口和极值压缩的自适应中值滤波

为了提高中值滤波器的滤波性能和适应不同密度的椒盐脉冲噪声,从噪声检测的准确性、噪声滤除的有效性和滤波速度的实用性等3个方面分别对中值滤波方法加以改进,提出了一种基于双窗口和极值压缩的自适应中值滤波方法(DWECAMF)。该方法采用大窗口检测噪声和小窗口滤除噪声的滤波策略、压缩噪声滤除窗口内极大值和极小值策略以及自适应脉冲噪声滤除策略,以提高图像滤波性能,同时采用了移动滤波策略提高滤波速度以增强其实用性。实验表明,该方法在以上3个方面的性能都有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

新型递归多级中值滤波器

结合了Adrian Burlan和Pauli Kuosmanen提出的关于中值滤波的新的递归算法结构,在多级中值滤波器(MLMF)算法基础上提出了一种新的中值滤渡器．该滤波器克服了传统多级中值滤波器一些缺点。实验结果显示,在抑制噪声方面和细节保护方面,该滤波器比传统的多级中值滤波器有着明显的改善．     

一种基于边缘检测的改进的中值滤波去噪方法

中值滤波是一种去除椒盐噪声的有效算法,在现实生活中应用相当广泛。传统的中值滤波在去噪的同时很容易丢失图像的边缘信息。本文提出一种基于边缘检测的改进的中值滤波去噪算法。它先将含噪图像的边缘信息检测出来,然后将边缘信息保存下来,再对原含噪图像用中值滤波进行图像去噪,然后对于保存下来的边缘信息用小模板进行去噪,再用该小模板去噪后的边缘信息区替换中值滤波后的边缘信息。最后通过实验验证,此去噪算法可以在去噪的同时更好地保护图像的边缘信息。     

基于上下中值型噪声检测的自适应中值滤波器

基于噪声检测的中值滤器已广泛用于消除图像中的脉冲噪声。然而,在高噪声密度情况下,过多的像素被错误地分类,这个缺陷将会对图像滤波产生负面影响,为了克服这个缺陷,提出了一种上下中值型噪声检测器。基于这种噪声检测方法,又提出了一种自适应中值滤波算法。实验结果显示,该算法能够有效地消除脉冲噪声,并且保留了原始图像的更多细节。     

图像加窗中值滤波算法研究

提出了一种实用的图像滤波算法,即图像加窗中值滤波算法。在分析经典中值滤波算法基础上,给出了加窗中值滤波算法的基本原理与实现过程,与经典的邻域均值滤波器、中值滤波器、Butterworth低通滤波器、Wiener滤波器进行了滤波比较实验,分别从主观效果及客观参数计算两个方面验证了其优良的滤波性能。     

一种去除椒盐噪声的自适应开关中值滤波算法

为了滤除图像中高密度椒盐噪声同时又能较好地保护图像细节,提出一种自适应开关中值滤波算法。使用max-min算子作为噪声检测器,利用自适应邻域窗口对图像进行从左到右的逐行扫描,同时对位于窗口中心的像素点进行噪声判别,然后将检测出的噪声点采用中值滤波进行滤除,而信号点保持不变直接输出。实验仿真结果证明了该算法的有效性。     

一种基于改进的极值中值滤波算法

提出的改进的极值中值滤波(IEM)算法是在极值中值滤波(EM)算法的基础上做了如下两点改进.首先,采用更合理的检测方法来检测噪声点,减小将信号点误判为噪声点的概率.其次,采用改进的滤波算法,解决了当噪声点个数大于像素总数一半时,传统中值滤波无能为力的问题.实验证明,当噪声密度很大时,IEM方法不仅比EM方法有更好的滤波效果,而且能够更好地保护图像细节.     

实时彩色图像自适应中值滤波算法的FPGA实现

图像在采集、压缩、传输和接收的过程中,会受到脉冲噪声的影响,给后续的边缘检测、图像分割或目标识别等造成干扰;传统中值滤波将图像的RGB分量转为YCbCr分量进行滤波,该转换方法会损失一定的色度信息,且未将彩色信息完全分离,导致滤波后的图像产生色彩偏移;针对上述问题,利用HSI彩色空间中的I和S色彩分量对椒盐噪声进行检测,并通过自适应中值滤波将椒盐噪声滤除,图像还原度更高;利用FPGA对算法进行了硬件加速,在xc7a100tfgg484-2芯片上运行频率达222 MHz,可实现2k@60 Hz视频的实时处理。