一种基于两阶段的脉冲噪声滤除算法

本文提出了一种基于两阶段的脉冲噪声滤除方法.在算法的第一阶段,提出利用列队排序检测器(ROD)来检测图像中所有可能的脉冲噪声点.在第二阶段,对所有的噪声候选点进行自适应中值滤波,滤波窗口的尺寸大小是根据噪声密度自适应调整的.该算法能对图像的边界以及非噪声点进行保护.实验表明,本文算法在滤除脉冲噪声的同时可以有效地保护图像细节,尤其是在噪声密度非常大的情况下.     

基于噪声检测的自适应中值滤波算法

针对现有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,提出一种基于噪声检测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,从而更好的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的进行噪声滤除.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,有效的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.     

消除脉冲噪声的改进自适应滤波算法

针对灰度图像受脉冲噪声污染后的恢复处理问题,提出了一种改进的自适应中值滤波算法。该方法根据脉冲噪声的分布特点,采用极大值、极小值和领域均值判定准则进行噪声点的检测,然后用检测窗口内最小非噪声点集合的中值作为噪声点的滤波输出。实验结果表明,与其他几种算法相比,文中算法不仅在峰值信噪比(Peak Signal to Noise Ratio)和结构相似度(Structural Similarity,SSIM)上有较大优势,而且还具有较低的时间复杂度和更好的自适应性。也进一步说明该方法不仅能有效地检测并滤除噪声点,还能较好地保护图像的边缘细节。     

医学图像增强系统设计

为了改善医学图像的视觉效果,提高图像的清晰度,使之更适合于机器的分析处理以及人的视觉特性,并突出病灶点,为病理学诊断和临床诊断提供可靠依据。设计了一个对医学图像十分具有针对性的图像增强系统。针对CT图像的电子噪声提出了基于修正维纳滤波的小波包去噪算法;针对B型超声图像的散斑噪声提出了基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法;针对医学图像对比度低,边缘信息模糊等特点,提出了基于小波变换的医学图像增强算法。当噪声方差为0.01时,基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法获得的PSNR比经Wiener滤波方法获得的PSNR高出9 dB。系统能快速找到噪声点进行定点去噪,能有效提高医学图像的对比度,增强边缘细节信息,突出病灶点的位置,从而达到较好的处理效果,为医疗工作者观察病症提供更加清晰准确的依据。     

基于Matlab的椒盐噪声滤波算法研究与实现

介绍了图像去噪流程,研究了图像椒盐噪声处理中的两种算法,均值滤波算法和中值滤波算法,详细阐述了两种算法的基本原理和实现方法,在Matlab环境下利用两种算法对图像进行去噪处理,并对去噪结果进行比较、分析,实验结果表明两种算法都能有效滤除图像中的椒盐噪声,中值滤波算法在保护图像细节方面要优于均值滤波算法。     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

基于二次噪声检测和细节保护规则函数的图像滤波算法

现有的图像椒盐噪声滤除算法缺乏对小于滤波窗口的图像细节与边缘信息的保护能力,本文提出了一种基于二次噪声检测和细节保护规则函数的图像椒盐噪声滤波算法,算法将滤噪过程分为两个阶段:噪声检测和噪声恢复阶段.在噪声检测过程中,用自适应中值原理对图像中的噪声点进行初步检测,然后通过局部模糊隶属度函数对检测出的噪声点进行二次判断,有效提高了噪声检测的准确度.在噪声恢复阶段,利用细节保护规则函数与₁数据逼近的凸面代价函数来恢复噪声点.为了充分利用图像局部特征,该算法自适应地选择噪声点周围的象素点利用细节规则保护函数得到输出值,当图像噪声点的凸面代价函数值达到最小时,噪声图像得到最佳恢复.实验结果表明,本文提出的滤波算法针对椒盐噪声具有很好的细节保护与噪声滤除能力,特别是在噪声感染率高(70%以上)的情况下,算法性能优于现有的其它算法.     

一种基于PCNN赋时矩阵的图像去噪新算法

该文从图像脉冲噪声的特点出发,提出了基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)赋时矩阵的图像去噪算法。赋时矩阵是由PCNN产生的一种从空间图像信息到时间信息的映射图,在图像处理中,赋时矩阵包含有与空间相联系的有用信息。计算机仿真结果表明,通过对PCNN赋时矩阵分析与处理,综合运用相关方法,可以有效地滤除被脉冲噪声污染的图像噪声,且恢复图像的视觉效果明显地好于中值滤波、均值滤波及维纳法得到的结果,其信噪比高、去噪能力强、对边缘和细节的保护性好、适应性强。     

基于脉冲耦合神经网络的椒盐噪声滤波

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法.首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法.然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波.仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势.     

基于灰色关联度的图像混合噪声的自适应滤波算法

利用中值滤波和灰色关联度的特点,提出基于中值滤波和灰色关联度相结合的混合噪声图像滤波算法.算法选取加窗混合噪声图像的中值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到结果.实验结果表明,该算法有较好的自适应性,不但能够有效去除含有高斯噪声和脉冲噪声的图像噪声,而且能较好地保护图像的细节信息,提高图像的去噪效果和清晰度.     

An effective 2-stage method for removing impulse noise in images

In this paper, a robust 2-stage impulse noise removal system is proposed to remove impulse noise from extremely corrupted images. The contributions are in two-fold. First, a neuro-fuzzy based impulse noise detector (NFIDET) is introduced to identify the noisy pixels. NFIDET is a powerful noise detector that can handle image corruption even up to 90% with zero miss and false detection rate with a simple neuro-fuzzy structure. This is the best result among the other impulse noise detectors in the literature. Second, this paper presents a new approach for weight calculation of adaptive weighted mean filter by using robust statistical model. An adaptive robust weighted mean (ARWM) filter removes a detected noisy pixel by adaptively determining filtering window size and replacing a noisy pixel with the weighted mean of the noise-free pixels in its window. A Geman–McClure robust estimation function is used to estimate the weights of the pixels. Simulation results also show that the proposed robust filter substantially outperforms many other existing algorithms in terms of image restoration.     

An improved recursive and adaptive median filter for high density impulse noise

An improved recursive and adaptive median filter (RAMF) for the restoration of images corrupted with high density impulse noise is proposed in the present paper. Adaptive operation of the filter is justified with the variation in size of working window which is centered at noisy pixels. Based on the presence of noise-free pixel(s), the size of working window changes. The noisy pixels are filtered through the replacement of their values using both noise-free pixels of the current working window and previously processed noisy pixels of that window. These processed noisy pixels are obtained recursively. The combined effort thus provides an improved platform for filtering high density impulse noise of images. Experimental results with several real-time noisy images show that the proposed RAMF outperforms other state-of-the-art filters quantitatively in terms of peak signal to noise ratio (PSNR) and image enhancement factor (IEF). The superiority of the filter is also justified qualitatively through visual interpretation.     

基于人眼视觉特性的混合滤波算法

为了有效地滤除混合噪声,本文提出了一种基于人眼视觉特性的混合滤波算法。该方法首先采用基于人眼视觉特性的噪声敏感系数作为阈值来确定脉冲噪声点,对检测出脉冲噪声点采用自适应窗口大小的迭代中值滤波进行滤波,而对于含有高斯噪声的像素点则采用一种保护细节的改进的自适应模糊滤波器进行处理。该算法与标准滤波方法及其它改进混合滤波算法相比,具有更好的滤波性能。     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

一种基于PCNN的图像去噪新方法

该文深入研究了如何用一种有生物学依据的人工神经网络脉冲耦合神经网络(PCNNPulseCoupled Neural Network)进行二值图像去噪与图像平滑,并提出了基于PCNN的图像去噪算法。计算机仿真结果表明,使用PCNN可有效地恢复被噪声污染的二值图像,且恢复图像的信噪比增量高于用另两种常用的图像恢复方法(中值滤波与均值滤波)得到的结果。     

一种有效的混合噪声滤波算法

以噪声特点和图像结构分析为基础,提出了一种有效的混合噪声滤除算法。算法首先通过极值判断和像素间的相容性检测,分离出脉冲噪声并以中值滤波滤除;然后对含有高斯噪声的图像以模糊滤波算法进行降噪处理。实验结果表明,本算法能有效地滤除图像中脉冲与高斯混合噪声,且较好地保护了图像细节特征。     

一种针对图像脉冲噪声的改进中值滤波算法

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整.     

基于噪声估计的自适应开关型中值滤波器

提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。     

Color image noise removal algorithm utilizing hybrid vector filtering

This paper proposes a robust approach to color image noise removal that efficiently eliminates noisy pixels by exploiting several vector-class characteristics of multichannel pixels. This algorithm treats multichannel images as a vector class and takes both magnitude and phase angles of the pixel vectors into consideration. It consists of two steps: an efficient noise detector based on pixel vector angle statistics and impulse noise filtering with a hybrid of vector magnitude and vector angle function. Extensive experimental results demonstrate that the proposed approach significantly outperforms several other well-known techniques for color image noise removal.