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。     

基于遗传算法的自适应中值-开闭滤波器

提出了一种新的中值-开闭滤波器结构，并以此为基础设计了自适应中值-开闭滤波器。该滤波器由一个中值-开闭滤波器和学习优化模块组成。在学习优化子模块中，应用遗传算法，通过对含噪声的图像样本进行学习，使得该滤波器的结构能根据待滤波的输入图像自动地调整以获得最优的滤波效果。计算机仿真实验表明该滤波器具有非常好的噪声滤除能力和滤波效果。     

一种新的加权中值滤波的快速算法

针对中值滤波排序工作量多、速度慢等缺点，提出了一种新的加权中值滤波快速 算法。把窗口内元素分为小于、等于和大于中心元素的3类并分别统计这3类的个数，同时 构 造两个数组分别放入小于和大于中心元素的元素值，对每个类元素进行比较后可确定输 出中 值的确切位置，因此可根据局部排序找出输出中值，这样可大大减少排序的次数，加 快了处 理速度。最后，对快算算法和标准中值滤波的传统算法进行了比较，给出了二组实 验数据。 实验结果表明，与传统算法相比，该算法的执行速度大大加快。通过选择适当的 权值，加权 中值滤波可代表标准中值滤波和其它一些中值滤波，因此该快速算法有较强适 应性。     

模糊加权中值滤波器

本文介绍了一种模糊加权中值滤波器,该滤波器由模糊布尔函数和滤波加权确定。本文用S型函数逼近模糊布尔函数。此外,用模糊理论领域中使用的S型函数逼近所滤波的加权。模糊加权中值滤波器只由4个参数确定。所提出的滤波在均方误差准则下能够由最小均方算法导出。图像复原的实验结果表明,本文介绍的模糊加权中值滤波方法既能去除脉冲噪声和平滑高斯噪声,又能同时有效地保持边缘和图像细节,漠糊加权中值滤波器明显优于加权中值滤波器,也优于Wiener滤波器。     

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．     

用于图像恢复的基于正则化可能性线性模型的自适应滤波器

中值滤波器在有效抑制脉冲噪声的同时,会模糊图像细节.为克服这一缺陷,文中对中值滤波器进行改进,提出一种基于正则化可能性线性模型的自适应滤波器.该滤波器的输出是原始输入信号和经典中值滤波器的加权和,而权值则根据输入的信号序列由建好的正则化可能性线性模型来决定.实验表明,该滤波器在有效滤除脉冲噪声的同时能较好地保留图像的细节信息,且针对不同比例的脉冲噪声,表现出较好的鲁棒性.     

基于ARM架构的中值滤波算法优化

中值滤波是图像处理中降低椒盐噪声的一种有效手段,其核心是计算当前滤波窗口内所有像素的中值。中值滤波具有稳定性,当一幅图像的像素点被改变时,即使改变的值很大,也不会影响中值滤波的计算结果。滤波窗口遍历整幅图像后,就完成了整幅图像的中值滤波计算。中值滤波算法的关键是定义最优中值算法,以在最短的时间内获取中值。对此,提出并实现了自适应中值算法,能够根据滤波窗口半径和数据类型,自动选择性能最佳的中值算法,并使用ARM NEON指令集进行优化加速。实验结果表明,提出的自适应中值滤波算法较OpenCV的中值滤波算法性能有显著提升,平均性能提升了20%。     

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。     

先验自适应中值滤波图像增强算法

通过分析传统中值滤波与自适应中值滤波算法的特点,提出了先验自适应中值滤波算法。该算法的思路是先对噪声进行检测与标识,再构造噪声标识矩阵,根据中值滤波算法原理在取中值时排除邻域内噪声点的灰度值。该算法避免了过度滤波,在保证滤波效果的前提下提高了滤波效率。     

基于量子理论的图像中值滤波

在传统图像中值滤波算法中,固定排序窗和无条件中值运算会影响算法的降噪能力。为此,提出一种改进的图像中值滤波算法。借鉴量子理论提出数字图像的伪量子化表示形式,应用量子哈达玛变换引入自适应机制,使排序窗口的大小和形状能根据其移动位置的图像局部特征自适应地变化,并引入有条件中值运算保留图像细节。仿真结果表明,与传统中值滤波和递归中值滤波算法相比,该算法在保留图像细节的同时,具有更强的降噪能力,且噪声强度对滤波效果的影响较小。