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。     

基于纹理分析的保细节平滑滤波器

平滑去噪是图象处理中一个重要课题,但是以往在处理平滑去噪问题上一直存在平滑和保细节的矛盾。为解决此问题,提出了一种基于纹理分析和保细节平滑滤波器,该滤波器采用了多尺度多方向的模板,并利用纹理分析等手段,同时根据图象各部分特性,通过自适应地选择模板来进行平滑滤波,该算法兼顾了降噪和保细节两方面要求。实验结果证明,该算法实现简单,计算速度快,且效果优于其他几种常用的保边界平滑算法。     

灰度图像加权有向平滑滤波算法

为克服常用平滑滤波算法不能兼顾去噪和保持图像细节的不足,提出了加权有向平滑滤波算法.先根据相似者相容的原理得到待处理像素与各滤波模板的隶属关系,从而判断待处理像素是噪声点,是图像本身像素,还是图像背景像素,然后选用相应加权有向或无向平滑模板对待处理像素进行平滑处理.实验仿真结果表明,加权有向平滑滤波算法既能有效地滤除灰度图像中的噪声,又能很好保护图像的边缘和细节,弥补了常用空域平滑滤波算法不能兼顾去噪和保持图像细节的不足.     

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.     

基于线性和非线性混合滤波器的噪声抑制技术

图像去噪处理的目的是抑制图像中的噪声、锐化边缘信息，为图像的后续处理(边缘检测和特征提取)提供基础，但目前的滤波技术较难达到同时平滑噪声，锐化边缘的要求，只能是在平滑噪声的同时，最大限度地保留边缘信息和细节。针对这一情况，在分析一般滤波器特点的基础上，提出了一种，基于线性和非线性混合滤波器的噪声抑制技术。该滤波器在平滑噪声的同时，能较好地保留边缘信息和细节。     

基于P&M模型的图像去噪平滑处理算法

研究图像平滑处理去噪问题.针对传统图像平滑算法在去除噪声的同时会破坏边缘、纹理等不能保持原图图像特征.为解决此问题,提出了一种基于PDE's各项异性的扩散Perona&Malik算法.通过引入高斯平滑算子,利用P&M模型的可调扩散系数来改善图像平滑效果,在抑制噪声的同时能够保持这些特征的特点.通过仿真分析表明,所提出的算法对孤立的噪声点平滑效果明显,同时也不会过多地影响原来图像的特征.     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

基于概率统计模型与图像主纹理方向分析的非线性滤波算法

图像滤噪是图像预处理的一个重要内容,因为滤噪效果对图像处理的最终结果有很大影响。如何充分利用图像的局部特征以提高滤波器的滤噪效果、细节及边缘信息保持能力,在分析现有图像滤波算法的基础上,提出一种基于概率统计模型与图像主纹理方向分析的非线性滤波算法。算法利用Radon变换对图像进行主纹理方向分析,得到图像的局部纹理方向概率密度分布,然后基于概率统计模型借助中心像素的若干邻近像素对中心像素进行估计得到中心像素点的灰度值。此算法充分利用了图像的局部特征,既具有良好的去噪能力,又兼顾了对图像细节的保持特性。在处理同时感染脉冲噪声和高斯噪声的混合噪声图像时,算法效果明显优于其他滤波算法。     

边缘保持最优化滤波方法

在图像处理中,去除噪声的同时常常会给边缘与细节带来不可恢复的损失。为了解决这一问题,讲解一种可以在去噪的同时,保留边缘细节的边缘保持最优化滤波方法。首先对该算法原理与实现方式进行了阐述,之后通过实验对该滤波方法的效果加以分析,最后对该算法的优缺点进行了总结。     

图像平滑算法的研究与改进

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。文中在分析噪声模型的基础上,对均值平滑、中值平滑、边缘保持平滑等技术从图像处理空间域中的算法原理、实现方法及效率等方面进行了详细比较。针对图像中含有的不同噪声模型,通过多次试验,得出了值得从事图像处理研究者参考的结论。这将有助于提高图像处理软件开发的效率。     

Adaptive multi-scale AMSS operator for quality detection of silks

In order to de-noise the silk images corrupted by various noises, a new improved filter based on affine morphological scale space (AMSS) equation was proposed. In this new operator both the adaptive idea and scale space were fused into partial differential equations. Scale parameters were changed adaptively according to the presence or absence of noise in image which was detected by directional gradient operators with four templates. A new evaluating criterion was constructed to test the performance of the improved AMSS operators. Two parameters based on mean square error and minimum absolute error could be acquired to evaluate the effect of keeping edge information and the ability of smoothing noise. Experimental results illustrate that this improved operator can efficiently keep edge information, and the de-noising performance is more effective than other methods for the image with multi-noise.     

基于ROLD统计量的混合噪音线性滤波算法

提出一种基于ROLD统计量的混合噪音线性滤波算法（RLMF）。算法把用来检测脉冲噪音的ROLD统计量运用于混合噪音的滤波算法上,提高了混合噪音中脉冲噪音成分的检测效率,它不仅适用于恢复被混合噪音污染的数字图像,而且也适用于恢复被纯脉冲噪音或纯高斯噪音污染的数字图像。仿真实验证明,RLMF滤波后的图像视觉效果和PSNR均优于已知的同类滤波器。     

Adaptive noise smoothing filter for images with signal-dependent noise

In this paper, we consider the restoration of images with signal-dependent noise. The filter is noise smoothing and adapts to local changes in image statistics based on a nonstationary mean, nonstationary variance (NMNV) image model. For images degraded by a class of uncorrelated, signal-dependent noise without blur, the adaptive noise smoothing filter becomes a point processor and is similar to Lee's local statistics algorithm [16]. The filter is able to adapt itself to the nonstationary local image statistics in the presence of different types of signal-dependent noise. For multiplicative noise, the adaptive noise smoothing filter is a systematic derivation of Lee's algorithm with some extensions that allow different estimators for the local image variance. The advantage of the derivation is its easy extension to deal with various types of signal-dependent noise. Film-grain and Poisson signal-dependent restoration problems are also considered as examples. All the nonstationary image statistical parameters needed for the filter can be estimated from the noisy image and no a priori information about the original image is required.     

一种基于多尺度噪声检测的图像中值滤波器

介绍了标准中值滤波与有效中值滤波的概念,提出了一种基于自适应多尺度噪声检测的中值滤波器,可用于恢复被椒盐脉冲噪声污染了的图像。滤波器将输入图像像素分为有效信号类、脉冲噪声类和恒定区域类,对各类像素采用不同的方法进行滤波处理。实验结果证明,本文算法的性能比现存的其它许多算法有了显著的提高,而且便于实现。     

随机值脉冲噪声滤波算法

文章详细分析了随机值脉冲噪声污染图像的局部灰度统计特征,定义了一种噪声可信度的估计函数—灰度等级共现几率,并在此基础上提出了共现几率极小的中值滤波算法。算法模拟生物视觉在注视过程中的变分辨率特性,以不同分辨率对噪声进行多层次的定位及滤波。实验结果表明,该文算法可以有效地滤除噪声,并较好地保留图像的边缘细节信息,其滤波效果比其它算法更接近理想的中值滤波,尤其是对于噪声高度污染的情况。     

一种新的基于PCNN的图像脉冲噪声滤波算法

为了更好地滤除图像中的脉冲噪声,在分析脉冲耦合神经网络(PCNN)的工作机理的基础上,在PCNN中引入了点火映射图的概念,并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器。该方法首先通过运行PCNN把噪声图像转化为点火映射图,然后利用点火映射图对图像中的脉冲噪声进行定位,最后仅对定位的噪声进行自适应滤波。计算机仿真实验表明,该方法的去噪效果优于传统方法,从而验证了该方法的有效性、合理性。     

改进椒盐去噪方法在井下图像中的应用

为了提高井下图像采集的质量,针对目前改进中值滤波算法的优缺点,提出了一种新的去除井下图像椒盐噪声的算法。该算法首先判断出图像中的噪声点和非噪声点,然后根据窗口内噪声点的密度大小自适应地确定滤波窗口的大小,并按照一定的规律赋予窗口内像素点不同的权重,最后采用加权中值方法处理图像中的噪声点。计算机模拟实验证明该方法不仅能有效地去除不同密度的椒盐噪声,而且能很好地保持图像的细节,滤波效果比已提出的中值滤波算法更好。     

多幅相同场景的图像的降噪

随着数字图像采集设备的发展,利用多幅相同场景的图像以获得更高质量的图像的方法已具有现实意义。文章分析了多幅图像降噪中面临的问题,并以高斯白噪声污染图像为例,论证了多幅图像的最佳线性组合方法,采用自适应维纳滤波与均值滤波相结合的降噪方法,试验证明了多幅图像降噪效果比单幅图像降噪效果明显要好。     

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,提出一种基于动态窗口的自适应中值滤波算法。该算法根据噪声点与周围信息的关联程度调整噪声点滤波值,从而更好地处理图像的细节部分。该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,有效地提高了图像的峰值信噪比,去噪效果相比其他方法更加优秀。