基于数学形态学的自适应彩色图像滤波

为了解决彩色图像滤波问题,针对彩色图像的颜色矢量表示形式和彩色图像中的脉冲噪声的数值特征,提出一种滤除彩色图像的脉冲噪声的自适应算法.首先应用数学形态工具对脉冲噪声进行检测,再根据检测结果,用改进的矢量中值滤波方法自适应地调整滤波窗口,以符合人眼视觉特性的颜色相似性度量方法选择颜色距离最接近的样本像素,对脉冲噪声给予有选择的滤除.通过实验及与其它算法比较,结果表明该算法对于彩色图像中的脉冲噪声有较好的滤除效果.     

基于2级检测的脉冲噪声滤除算法

以图像结构和噪声的特征分析为基础,提出了一种新的脉冲噪声滤除算法. 算法在噪声检测阶段采用2级开关检测,即先以极值法进行初步检测,然后利用像素邻域的结构信息,并借助设定的阈值识别出该点的性质（信号点或噪声点）. 最后以滤波窗口内像素的灰度排序均值（ROM）替换噪声点的灰度值. 实验表明,本算法在滤除固定值脉冲噪声的同时可以有效地保护图像细节.     

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.     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.     

基于鲁棒性神经模糊网络的脉冲噪声滤波算法

在一个简单有效的脉冲噪声检测器和一个鲁棒性神经模糊(robust neuro-fuzzy, RNF)网络的基础上,对于被脉冲噪声污染的彩色图像,提出了一种新的脉冲噪声滤波算法。该算法可分两步进行,首先对RNF网络进行优化训练,然后用优化后的网络对被噪声污染的彩色图像进行噪声滤波。在该算法中,采用一个简单有效的脉冲噪声检测器,它能快速有效的检测出彩色图像中的噪声像素。经过优化的RNF网络仅对噪声像素进行滤波,而对非噪声像素则保持不变。在RNF网络的构造中,采用一个新的隶属函数,使该算法对于脉冲噪声具有鲁棒性。实验结果证明,与一些传统的非线性、多通道滤波器相比,该滤波器具有较好的滤除噪声能力,并且能较好的保留图像的边缘和细节,具有很好的鲁棒性。     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

自适应彩色图像SCM去噪

提出一种彩色图像去噪方法。该方法首先利用脉冲发放皮层模型spiking cortical model,SCM)的同步脉冲发放特性和脉冲噪声明显不同于周围非噪声像素的特点定位彩色图像各通道中脉冲噪声点的位置;然后根据噪声检测情况自适应地选择窗口的大小及对应的滤波方法仅滤除噪声像素,保持非噪声像素不变。实验数据表明该方法能够充分去除噪声的同时很好地保持图像细节。对污染严重的图像,用该方法去噪后的主观视觉和客观评价明显有所改善。     

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．     

图像去噪的组合优化滤波算法

小波变换具有良好的局部化分析特性和多分辨率分析特性,小波阈值法能很好的消除高斯白噪声,但对脉冲噪声无法消除。中值滤波对脉冲噪声能很好滤除,并具有良好的边缘保持特性。为了能很好消除图像中的混合噪声,文章提出了基于小波阈值法和门限递归中值滤波组合优化的图像去噪算法,仿真结果表明,该算法在去除图像中的混合噪声时,比其他传统去噪方法具有极大的优越性。