一种改进的中值滤波算法

通常 ,大部分自然图像中同时存在颗粒噪声和高斯噪声 ,而单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题 ,L ee和 Kassam提出了一种改进的均值滤波算法 Modified Trim med Mean(MTM) ,虽然 MTM算法的滤波效果相对于传统的平滑算法已有了很大的改善 ,但是 MTM的滤噪能力在很大程度上受到了阈值的限制。在分析 MTM算法和传统平滑算法结构特点的基础上提出了一种改进的自适应中值滤波算法。该算法对含有混合噪声的图像上每一点的 N× N区域应用自适应算子。对于不同的图像区域 ,算子也相应地有所不同 ,其中算子中的权值选取依赖于区域的灰度中值 ,且当某点的灰度越接近灰度中值 ,其权值就相应地越大。实践证明 ,新算法的处理结果优于传统的滤波算法和 MTM滤波 ,且没有阈值限制     

基于改进伪中值滤波和非局部均值滤波的红外图像滤波方法

首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。     

基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声.但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果.针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息.实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

一种快速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法,它能够很好地对大噪声斑点进行抑制,为后续图像分割提供了条件。     

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

一种基于直方图的加权均值滤波方法

根据图像直方图的特点,针对椒盐噪声,提出了一种基于直方图的加权均值滤波方法。该方法首先通过寻找局部极值确定噪声点,并对图像的所有像素做分类标记。处理过程中只考虑标记为噪声的点,以噪声图像的直方图函数作为滤波器的权值,最后将领域内非噪声点的加权均值作为滤波输出。实验结果表明该方法优于中值滤波方法。     

一种l央速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法，它能够很好地对大噪声斑点进行抑制，为后续图像分割提供了条件。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

改进型中值滤波和形态学组合降噪方法

根据改进型中值滤波和开-闭灰度形态学滤波算子设计了一种基于门限递归中值滤波和灰度形态学滤波组合优化算法,该算法弥补了中值滤波在噪声强度较高时去噪能力下降快的缺点.仿真结果表明,在噪声强度较高时,该算法明显优于单独使用中值滤波和灰度形态学滤波,具有较高的实用性.     

改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.     

自适应中值滤波算法的研究与应用

本文研究一种自适应的中值滤波算法,该算法对含有噪声的图像自动选取合适的窗口进行滤波处理,对噪声、边缘、图像内部点分别处理,实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比。     

一种彩色图像滤波的改进矢量中值滤波算法

通过分析彩色图像滤波的一般方法，提出了一种基于矢量中值滤波的改进算法。该算法融合了线性均值滤波和非线性矢量中值滤波两种方法，大大降低了运算复杂度，同时对脉冲噪声和高斯噪声有好的抑制作用，能有效地保护图像的边缘信息，滤波后不会出现新的颜色。另外本算法的运算复杂度随着滑动窗的增大而缓慢增加，使其能够达到滤波效果和运算复杂度的有效平衡。     

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。     

图像的中值滤波算法及其FPGA实现

图像滤波是图像预处理过程中重要的组成部分,而基于FPGA的滤波算法相对软件算法而言具有高度的并行性,能满足实时图像处理的要求,同时也具有灵活的硬件可编程性;简要说明了中值滤波的原理,介绍并比较了标准中值滤波和多级中值滤波的特点和适用范围;针对滤波算法的邻域性特点,设计了基于FPGA的滤波器整体架构,并设计了标准中值滤波和多级中值滤波两种滤波算法的FPGA实现方案和功能仿真,同时通过实验结果对两种算法的滤波效果进行比较说明。     

基于中值滤波的多尺度快速图像融合算法

针对传统图像融合时间较慢,融合后图像纹理不清晰的缺点,提出了一种基于中值滤波的多尺度快速图像融合算法.首先通过中值滤波快速将图像分解为基层和细节层,再通过权值融合的方法将不同源的细节层和基层融合,获得融合图像.实验表明,该方法具有较好的刻画纹理能力和较少的运算时间.     

一种新的实时图加窗中值滤波算法

实时图的匹配性能是影响景象匹配精度的重要因素,然而实时图在获取过程中,由于受各种干扰因素的影响,图像存在模糊、毛糙等现象,影响了实时图的匹配性能。结合空域滤波方法中最常用的中值滤波器和邻域均值滤波器的特点,设计了一种加窗中值滤波器,并将其应用于景象匹配实时图的滤波预处理,通过仿真实验验证了该方法的有效性和在景象匹配中的实用性,可有效提高实时图的信噪比,改善其匹配性能。