基于方向的自适应多级中值滤波

针对传统多级中值滤波在所能保护的线特征方向上的不足,提出了一种基于方向的自适应多级中值滤波方法。该方法通过对小窗口内线特征走向的判断在大的窗口中选择不同的多级中值滤波方式,使滤波子窗口方向与线特征走向相一致。实验证明与传统的多级中值滤波相比,该方法能够在各个方向上更好地保留图像地线特征,同时与传统的多级中值滤波一样能够有效抑制噪声。     

基于方向信息测度的自适应多级中值滤波器

针对图像滤噪中滤除噪声和保护细节(边缘)的矛盾,本文提出一种新的基于方向信息测度的自适应多级中值滤波器。方向性是边缘和噪声的本质区别之一,通过基于方向信息测度所构造的自适应结构,决定中值滤波器的形式和滤波窗口尺寸的大小,而不需要图像和噪声的先验知识。文章比较了标准中值滤波器、单向多级中值滤波器、双向多级中值滤波器和本文方法的结果。实验表明本文方法具有更好的效果。     

基于Bayes决策的组合中值滤波

针对图象滤波中的滤噪和细节保护的矛盾,提出了基于Bayes决策的组合中值滤波技术。内容有:(1)导出了测试向量的联合分布密度函数;(2)提出了先验概率的一种估计算法,该算法具有一定的普遍应用意义;(3)基于Bayes决策,将标准中值滤波器(MF)和多级中值滤波器(MLM)组合应用,给出一种效果优良的组合中值滤波器结构。     

基于Bayes决策的组合中值滤波

针对图象滤波中的滤噪和细节保护的矛盾，提出了基于Ｂａｙｅｓ决策的组合中值滤波技术，内容有：（１）导出了测试向量的联合分布密度函数；（２）提出了先验概率的一种估计算法，该算法有一定的普遍应用意义；（３）基于Ｂａｙｅｓ决策，将标准中值滤波器（ＭＦ）和多级中值滤波器（ＭＬＭ）组合应用，给出一种效果优良的组合中值滤波器结构。     

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。     

一种快速的彩色图像矢量中值滤波算法

文章提出一种新的快速矢量中值滤波算法。首先，求取象素的方向区域距离测度并将滤波窗口划分为两个子窗口：然后，在子窗口内进行矢量中值滤波。实验结果表明，该算法速度快，具有较好的滤波效果。     

中值类滤波器综述

本文简述了中值滤波器及其主要特性,简要回顾了中值类滤波器的一些有代表性的推广形式。     

基于改进多级中值滤波的加权滤波算法

为了有效地抑制图像中的椒盐噪声,更好地保持图像细节,提出一种基于多级中值滤波的加权滤波算法。算法采用5×5滤波窗口,如果中心点为噪声点,则将滤波窗口划分为水平和垂直10个条形子窗口,先计算每个子窗口内所有非噪声点的均值,作为加权运算的基础值,然后求出这些基础值的中值,利用每个基础值与它们中值的差计算出每个基础值的相应权值。最后将这些基础值与对应权值进行加权运算,将结果替换中心点的像素值;如果中心点为非噪声点,则保持原值不变。实验结果表明,该算法对于高密度椒盐噪声污染的图像具有良好的去噪性能,并且较好地保持了图像的细节,效果优于传统的中值滤波算法和多级中值滤波算法。     

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

降秩自适应滤波算法研究

对降秩自适应滤波算法进行了系统的总结和分析,推导了其相互关系。分析表明,GSC（Generalized Sidelobe Canceller）框架降秩变换自适应滤波是各种降秩自适应滤波算法的统一模型。在此基础上导出了线性约束正交投影算法。降秩多级维纳滤波器在相关意义上进行截断降秩,其降秩性能优于基于特征子空间截断的降秩方法。酉多级维纳滤波器与共轭梯度法等效,均是基于Krylov子空间截断降秩的方法,降秩性能更优。最后通过计算机仿真试验比较了各种降秩处理算法的性能。     

基于多级中值滤波—提升小波技术的图像去噪

针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。对含不同混合噪声图像进行去噪实验。结果表明：采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。     

基于局部统计信息的模糊选择滤波算法

提出了一种基于局部统计信息的模糊选择滤波算法，该算法的输出是sigma滤波器与多级中值滤波器滤波结果的加权复合，其权值则是通过对图像中局部统计信息的推理得到的。因此，该算法能够根据图像的具体情况自适应地进行滤波。试验表明，本算法能够有效滤除图像中不同种类的噪声，并具有很好的细节保护能力。     

Adaptive Threshold Median Filter for Multiple-Impulse Noise

Attenuating the noises plays an essential role in the image processing. Almost all the traditional median filters concern the removal of impulse noise having a single layer, whose noise gray level value is constant. In this paper, a new adaptive median filter is proposed to handle those images corrupted not only by single layer noise. The adaptive threshold median filter （ATMF） has been developed by combining the adaptive median filter （AMF） and two dynamic thresholds. Because of the dynamic threshold being used, the ATMF is able to balance the removal of the multiple-impulse noise and the quality of image. Comparison of the proposed method with traditional median filters is provided. Some visual examples are given to demonstrate the performance of the proposed filter.     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

基于数学形态学与自适应的超声医学图像滤波方法的研究

超声医学成像作为主要的医学影像技术之一,因其对人体无伤害、实时、价格便宜和使用方便等优点已广泛应用于临床.然而,在成像过程中形成的特有的图像斑点,使得对比度弱的人体软组织中的正常组织和病变组织不易区分,给临床诊断和医学研究带来不便.针对医学超声图像的特点,在研究了几种常用滤波方法后,提出一种自适应中值滤波和形态滤波结合的新方法,并做了实验验证.实验方法是:首先对所选择的医学超声图像施加瑞利噪声,然后采用中值滤波、自适应中值滤波的方法对被污染的图像进行去噪处理,接下来先采用自适应中值滤波对图像进行预处理,抑制斑点噪声,保留必要细节,再采用数学形态学方法进行二次滤波和增强对比度,进一步改善图像质量.最后从去噪图像和评价指标上对三种滤波去噪方法进行了比较.实验证明,新方法优于其他方法.     

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法.该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式.实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性.     

改进自适应中值滤波的图像去噪

针对传统自适应中值滤波算法的不足,提出了一种改进的自适应中值滤波算法,该算法引入了角度和相关性,第一,根据角度α的大小,判断当前像素点是否为可疑噪声点,再由其像素间的相关性判断此可疑噪声点是否为噪声点。第二,把排序得到的中值与窗口中所有像素点的均值加权得到新的灰度中值,再将噪声点用新的灰度中值替代,从而达到滤除噪声的效果。实验结果表明,该算法滤波,既能有效地平滑噪声,又能保存细节,效果远优于传统自适应中值滤波算法。     

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。