一种改进的非线性图像滤波器

基于均值滤波器提出了一种新的非线性滤波器,该滤波器可以同时处理高斯噪声和椒盐噪声.提高了非线性滤波器对复杂噪声环境的适应能力.     

稳健平滑算法的改进策略

众所周知,一个优秀的平滑算法必须在去除噪声的同时,还要具有良好的边缘细节保持能力。稳健平滑算法虽然是一种很简单的算法,但存在着它的缺陷。针对稳健平滑算法只能消除空间密度不大的椒盐噪声这一不足,在分析和实现已有改进算法的基础上,提出了新的改进策略,即一种自适应的稳健平滑算法,该算法在去除密度大的噪声的同时,保持了良好的边缘信息,使处理效果得到了很大的改进。该算法用MATLAB编程,通过这种新的自适应稳健平滑算法与其他算法对于受椒盐噪声污染程度不同的图像的平滑效果的仿真实验对比证明,该算法具有更好的滤波性能,尤其在噪声严重时,去噪效果优于已有的稳健滤波算法和中值滤波算法。     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

连续色图像的边缘平滑算法

对于连续色图像的边缘平滑,中值滤波法是一种有效的算法,它可以在边缘平滑的同时保留原有的度而不模糊化。为处理真彩色图像,本提出了对多维向量的中值滤波法－淘汰法。中值滤波与平均滤波相结合的方法可以在边缘平滑且保持边缘的同时使其它部分柔和化并提高效率。     

一种极值约束的边缘保持图像平滑算法

边缘保持的图像平滑在图像预处理以及许多图像编辑应用中都具有重要的意义。图像的边缘保持与细节平滑是一对矛盾。提出一种以极值为约束的边缘保持的图像平滑算法。该方法的基本思想是对处理后图像的极值进行约束,即要求其在给定位置处取得相应的极大(小)值来保持原图像的主边缘,同时平滑消除副边缘和信号小起伏。首先对原图像进行初步平滑,然后从中提取出极值点,再把这些极值点作为处理后图像的约束。在所有满足这些约束的函数中,取与原图像最接近的作为最终平滑结果。利用半二次技术和交替最小化得到了有效的数值求解方法。实验结果表明,提出的方法在一些基于边缘保持平滑的图像处理(如细节增强)中取得了更好的效果。     

基于边界平滑检测的虚假图像盲识别算法

凭借着高性能的计算机、高分辨率的数码照相机以及成熟的照片编辑软件,用户可以轻松地按照自己的意愿来修改数字图像.由于成功的伪造不会在图像上留下篡改的视觉痕迹,也就不会被人眼所感知,但是也会不可避免地留下一些修改过的电子痕迹.大多数的伪造会在篡改图像之后采用边缘和区域平滑的方法来使图像显得完整、统一.描述了图像在修改前后的区别,之后将引入"不和谐点"的概念,然后提出了一种在图像的任意地方自动检测平滑区域的方法,以表明可能存在的篡改.该技术方法不需要嵌入任何信息.     

椒盐图像的方向加权均值滤波算法

椒盐噪声是造成图像污染的主要因素之一,椒盐去噪是图像去噪领域的研究热点。方向加权中值滤波算法计算噪声点滤波输出时存在一定的问题,比如,未排除近邻噪声点的干扰,对方向的估计不准确,对局部灰度特性刻画不完整等。为此,提出一种方向加权均值滤波算法。此算法先根据方向灰度差异和灰度极值判断检测噪声点,然后根据对局部窗口噪声强度的估计自适应地选择递归或非递归滤波窗口的加权灰度均值作为滤波输出。仿真实验结果表明,提出的算法与现有的两种方向加权中值滤波算法相比,PSNR普遍提高了2~3dB和5~6dB,噪声密度高时提高的幅度更加明显;速度提高了接近10倍和30倍。     

图像去噪算法的研究

主要针对图像的高斯噪声和椒盐噪声的去噪算法进行研究,分别使用到中值滤波、均值滤波和维纳滤波三种滤波算法。实验结果表明中值滤波对于椒盐噪声有更好的去噪效果;维纳滤波对高斯噪声有明显的作用,相比中值滤波和均值滤波,维纳滤波对高斯噪声有很好的抑制效果,与此同时,维纳滤波却容易丢失边缘信息且对椒盐噪声几乎没有去噪作用。     

图像平滑的高斯加权平均算法

本文通过分析图像平滑技术中的加权平均算法的原理，提出了图像平滑高斯加权平均算法，并给出了该算法的实验结果。     

基于粗糙集理论的图像平滑算法研究

基于粗糙集理论,针对高斯噪声和脉冲噪声,分别采用高斯模板和中值滤波技术,提出了图像平滑算法.这两种算法在去噪的同时,都能够很好地保持图像细节,并且简单易行、处理速度快、使用范围广.通过实验,该算法对灰度图像和彩色图像的处理效果较之传统的处理方法,质量上有较大的提高.     

一种新的维纳滤波图像去高斯噪声算法

首先介绍了几种常用图像平滑方法的原理及其存在缺陷,然后提出了用一种新的维纳滤波的方法对图像进行平滑。实验结果表明该方法弥补常用的平滑滤波器对受高斯噪声污染的图像的平滑处理效果差的缺陷,并且获得好的效果。     

图像的中值滤波算法及其FPGA实现

图像滤波是图像预处理过程中重要的组成部分,而基于FPGA的滤波算法相对软件算法而言具有高度的并行性,能满足实时图像处理的要求,同时也具有灵活的硬件可编程性;简要说明了中值滤波的原理,介绍并比较了标准中值滤波和多级中值滤波的特点和适用范围;针对滤波算法的邻域性特点,设计了基于FPGA的滤波器整体架构,并设计了标准中值滤波和多级中值滤波两种滤波算法的FPGA实现方案和功能仿真,同时通过实验结果对两种算法的滤波效果进行比较说明。     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

基于二维小波分析和中值滤波的图像平滑处理

首先通过分析二维离散小波分解与重构的实际算法,及其中值滤波在图像处理中的原理和特点,总结出中值滤波容易去除孤立点、线的噪声、二值噪声等,并能很好地保持图像边缘。然后通过编程实现图像平滑处理,在图像边界轮廓过渡、图像消噪方面收到很好的效果。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

深度图像的平滑

由于受到各种干扰，结构光方法获取的深度图像重建结果中包含大量的毛刺，本文将平面图像平滑的方法拓展到深度图像领域，通过分析噪声模型，我们利用中值滤波器和高斯滤波器对深度图像进行三维平滑。结合去噪电路，取得了满意的重建效果。