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.     

基于人眼视觉特性的自适应中值滤波算法

为了在滤除图像椒盐噪声的同时能很好地保持图像的细节,提出了一种基于人眼视觉特性(HVS)的自适应中值滤波算法.该方法首先采用基于HVS的噪声敏感系数作为阈值来确定噪声点,然后自适应调整滤波窗口大小,采用迭代中值滤波对噪声点进行滤波.该算法与标准中值(SM)滤波及其它改进中值滤波算法相比,具有更好的滤波性能.     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

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.     

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

改进自适应中值滤波的图像去噪

传统自适应中值滤波的最大最小窗口尺寸固定,并且其最大最小窗口相差较大时,运算时间较长,去噪效果并小一定最佳。本文针对传统自适应中值滤波算法的不足,提出了改进自适应中值滤波算法,首先根据椒盐噪声的分布特点,从单幅含椒盐噪声图像中估算出椒盐噪声的浓度,并分析噪声浓度与自适应中值滤波窗口尺寸之间的关系,建立它们之间的函数关系一其次根据噪声浓度确定自适应中值滤波的最大最小窗口尺寸,最后对图像进行自适应中值滤波：实验结果表明本文算法运算时间随着噪声浓度的变化而变化,而且从PSNR角度来看本文去噪效果比传统自适应中值滤波效果较好。     

基于二级检测的椒盐噪声滤除算法

针对目前算法不能适用于含不同密度椒盐噪声的图像去噪,提出了一种基于噪声点极值特性和方向差异性的开关型噪声滤波器。检测阶段,采用极值法检测噪声,并计算噪声密度,当噪声密度低于阈值时进行基于噪声点方向差异性的二次检测,否则直接进行滤波;滤波阶段,根据局部噪声密度选择递归或非递归窗口,进行除去窗内噪声点的加权均值滤波。实验结果表明本文算法滤波性能和细节保护都优于传统中值滤波和一些改进算法。     

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。     

一种红外图像颗粒噪声自适应滤波算法

针对红外图像中常出现的颗粒噪声,在对自适应中值滤波(AMF)改进的基础上,提出了一种基于噪声检测的加权融合中值滤波算法。该算法对于噪声的滤除分为检测和滤波2个环节。首先根据对大量图像信息分布特征进行分析,设计出了较为通用的4类噪声检测模版;其次分别采用各模版对噪声进行极值检测并加以标记,以区分出极值点与像素点;然后根据模版内极值点与非极值点的数目比例确定噪声点,并将非极值点取均值作为噪声滤波结果输出;对于区域的极值点,引入距离判别准则加以确认,被确认为噪声点的像素值通过模版内非极值点分别取均值和中值并加权融合得到;最后对4个模版处理后的滤波值进行等权融合,得到最终的滤波图像。分别与经典中值滤波(MF)、自适应中值滤波(AMF)、开关中值滤波(SMF)性能比较,实验表明,本文滤波算法对于高强度的斑点噪声具有较好的滤波性能,对于红外图像处理具有一定的借鉴价值。     

一种改进的自适应中值滤波算法

针对传统自适应中值滤波算法的不足,文中提出了一种改进的自适应中值滤波方法,以有效的去除图像中的高密度脉冲噪声。第一,对于噪声点的检测,首先利用极大值和极小值的数量差找出可疑的噪声点,再利用邻域像素的相似性判断可疑点是否为噪声点。第二,对于滤波中值的计算,先把滤波窗口内具有相同灰度值的极值点压缩到一个,然后再计算中值。实验结果表明,该算法的滤波效果优于传统自适应中值滤波,且具有较好的稳定性。     

Erratum to: Multi-scale directional-filtering-based method for follicular lymphoma grading

A new decision-based algorithm has been proposed for the restoration of digital images which are highly contaminated by the saturated impulse noise (i.e., salt-and-pepper noise). The proposed denoising algorithm performs filtering operation only to the corrupted pixels in the image, keeping uncorrupted pixels intact. The present study has used a coupled window scheme for the removal of high density noise. It has used sliding window of increasing dimension, centered at any pixel and replaced the noisy pixels consecutively by the median value of the window. However, if the entire pixels in the window are noisy, then the dimension of sliding window is increased in order to obtain the noise-free pixels for median calculation. Consequently, this algorithm has been found to be able to remove the high density salt-and-pepper noise and also preserved the fine details of the four images, Lena, Elaine, Rhythm, and Sunny, used as test images in this study (The latter two real-life images have been acquired using Sony: Steady Shot DSC- S3000). Experimentally, it has been found that the proposed algorithm yields better peak signal-to-noise ratio, image enhancement factor, structural similarity index measure and image quality index, compared with the other state-of-art median-based filters viz. standard median filter, adaptive median filter, progressive switched median filter, modified decision-based algorithm and modified decision-based unsymmetric trimmed median filter.     

A new fuzzy-based decision algorithm for high-density impulse noise removal

This paper proposes a new efficient fuzzy-based decision algorithm (FBDA) for the restoration of images that are corrupted with high density of impulse noises. FBDA is a fuzzy-based switching median filter in which the filtering is applied only to corrupted pixels in the image while the uncorrupted pixels are left unchanged. The proposed algorithm computes the difference measure for each pixel based on the central pixel (corrupted pixel) in a selected window and then calculates the membership value for each pixel based on the highest difference. The algorithm then eliminates those pixels from the window with very high and very low membership values, which might represent the impulse noises. Median filter is then applied to the remaining pixels in the window to get the restored value for the current pixel position. The proposed algorithm produces excellent results compared to conventional method such as standard median filter (SMF) as well as some advanced techniques such as adaptive median filters (AMF), efficient decision-based algorithm (EDBA), improved efficient decision-based algorithm (IDBA) and boundary discriminative noise detection (BDND) switching median filter. The efficiency of the proposed algorithm is evaluated using different standard images. From experimental analysis, it has been found that FBDA produces better results in terms of both quantitative measures such as PSNR, SSIM, IEF and qualitative measures such as Image Quality Index (IQI).     

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。      

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。     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。