一种改进的自适应混合噪声滤波算法

对受到混合噪声影响的图像进行滤波,Lee和Kassam提出了一种MTM(Modified Trimmed Mean)滤波算法.但是MTM滤波算法的滤噪能力在很大程度上受到了阈值的限制,所以滤波效果并不理想.在分析了MTM算法的结构特点及其优缺点的基础上,提出了一种改进的自适应混合噪声滤波算法.该算法与MTM算法相比,滤噪能力不受到阈值的限制,并且对不同的噪声采用不同的滤波方法.通过matlab仿真,分析比较了该算法与其它滤波算法的性能.结果表明,与MTM滤波算法相比,该算法能够更有效地抑制噪声,保护图像边缘细节.     

基于支持向量机的改进中值滤波算法

对椒盐噪声的特点以及标准中值滤波算法存在的不足,提出一种基于支持向量机的改进中值滤波算法. 该算法首先对噪声图像进行中值滤波,并对滤波后图像去模糊化,然后用支持向量机分类确定去模糊化后图像中灰度值为最大值或最小值的像素点是否为噪声点,最后通过支持向量机回归预测将噪声点恢复为原始信号. 仿真实验及仿真结果分析表明该算法可以有效地去除椒盐噪声,且有较高的峰值信噪比.     

一种新型噪声检测中值滤波算法

本文提出了一种基于噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中,噪声检测方法改进了Minmax方法。经过实验仿真并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

图像降噪组合滤波优化算法

论文利用中值滤波算子和灰度数学形态学中的开、闭算子设计了一种用于灰度图像降噪处理的优化组合滤波算法。提出了一种简单、实用的评价函数用于算法的优化过程。该算法能根据输入噪声图像自动调整算子的组合结构获得最佳的滤波输出,并克服了中值滤波算法在处理灰度图像时对噪声强度的敏感问题。该优化算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

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。     

一种基于内容的图像自适应滤波算法

在数字成像设备中,高斯白噪声和椒盐噪声是两种常见的噪声源,对图像质量均有较大的影响.针对这两种噪声的特点,提出了一种基于内容的图像自适应滤波算法.该算法可以根据图像中各个块的特点自适应地调整滤波系数,从而达到最优的滤波效果.实验证明采用该算法对受到其中一种噪声源干扰的图像或者同时包含上述两种噪声的图像滤波,都能获得较好的结果.     

一种去除图像混合噪声的滤波算法

针对同时感染脉冲噪声和高斯噪声的混合噪声图像,以全变分去噪模型为基础,结合中值滤波技术,提出一种新的混合噪声滤波算法.该算法首先根据脉冲噪声的特点和像素的局部能量信息,分离出脉冲噪声并以改进中值滤波算法去除,然后对含有高斯噪声的图像采用自适应广义变分模型进行降噪处理.实验结果表明,该算法在有效滤除混合噪声的同时能很好地保护图像细节,为去除图像中的混合噪声提供了一种有效的途径.     

含特殊噪声模糊图像复原技术的研究及应用

为解决模糊图像复原技术经典算法受噪声等高频成分影响较大的问题,文中提出一种简单快速处理含特殊噪声模糊图像的方法。当噪声叠加到图像中,图像赖以估计模糊核参数的频域特征减弱甚至消失。一般去除噪声的方法在滤除噪声的同时也除去了一些可用于模糊参数估计的重要信息,因此,含噪图像通常会寻求它法处理。但文中研究发现,对于某种特殊的噪声例如椒盐噪声,使用针对于它的滤波方法,例如中值滤波,信息损失量极小,因此含特殊噪声图像可以按此方法处理。结合有针对性的滤波方法去除特殊噪声,减少信息损失,从而快速恢复图像。仿真实验结果表明,对于含噪图像,该算法比以往算法更优越。     

基于PGF检测的改进彩色图像滤波方法

针对彩色图像中的噪声污染问题,提出一种改进的开关自适应矢量滤波方法。通过对噪声图像进行同组滤波器检测得到滤波窗口内满足检测条件的噪声像素个数,当满足条件的像素个数较少时,直接对检测出的噪声进行矢量中值滤波,当满足条件的像素个数较多时,采用改进的自适应矢量中值滤波器进行2次检测后再滤波。实验结果表明,该方法能提高噪声检测的准确性,并能更好保护滤波的细节。     

抗高噪声彩色图像的Canny边缘检测器

根据彩色图像中像素点各颜色分量具有矢量类型数据的特点,提出用一种改进的开关型矢量中值滤波器（PFIVF）替换Canny边缘检测器中的高斯滤波器,以构建新的彩色图像边缘检测器。基于Peer Group技术和边缘检测方法建立PFIVF的多级噪声检测开关型结构,使PFIVF能够在滤除图像噪声的同时较好地保持图像的边缘细节。实验结果表明,改进的Canny边缘检测器能较好地抵抗高比例脉冲噪声。     

中值滤波和边缘检测技术在复杂背景图像分割中的应用

本文针对中值滤波和边缘检测技术在背景复杂的灰度图像分割中的应用进行了研究,采用了一种基于中值滤波、Sobel算子和数学形态学相结合的边缘检测算法,比传统的边缘检测能更有效地抑制噪声,提高边缘检测精度,具有更好的边缘提取效果和边缘连续性,着重研究了其基本思想,并给出了相应的仿真结果.     

基于Camshift和Particle Filter的小目标跟踪算法

Particle Filter算法有较好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以都无法有效避免复杂背景的干扰。为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法。该算法首先利用Particle Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标。利用复杂背景下的飞行小目标图像序列,与序贯相似性检测算法（SSDA）、Camshift和Particle Filter做对比实验。结果表明算法不仅能实现小目标的全自动跟踪,而且还降低了跟踪效果受目标形变和部分遮挡的影响,对小目标跟踪具有较高的鲁棒性和实时性。     

基于多维泛化路径的K-匿名算法

为使微数据发布在满足K-匿名要求的同时提高匿名数据的精度,提出多维泛化路径的概念及相应的2种K-匿名算法,包括完整Filter K-匿名算法和部分Filter K-匿名算法。将它们与Incognito算法和Datafly算法进行比较,实验结果表明2种算法都能有效降低匿名信息损失,提高匿名数据精度和处理效率。     

基于无极卡尔曼滤波算法的雅可比矩阵估计

在基于图像的机器人视觉伺服中,采用在线估计图像雅可比的方法,不需事先知道系统的精确模型,可以避免复杂的系统标定过程。为了有效改善图像雅可比矩阵的在线估计精度,进而提高机器人的跟踪精度,针对机器人跟踪运动目标的应用背景,提出了利用无极卡尔曼滤波算法在线估计总雅可比矩阵。在二自由度的机器人视觉伺服仿真平台上,分别用卡尔曼滤波器（KF）、粒子滤波器（PF）和无极卡尔曼滤波器（UKF）三种算法进行总雅可比矩阵的在线估计。实验结果证明,使用UKF算法的跟踪精度优于其他两种算法,时间耗费仅次于KF算法。     

基于图像增强的灰度插值算法

针对传统彩色滤波阵列（Color Filter Array,CFA）插值算法在图像识别前一般需要对彩色图像预处理,其中包括把插值后的彩色图像转化为灰度图像、平滑内部和锐化边缘,过程较为繁琐的问题,提出一种新的基于图像增强的灰度插值算法,即在插值过程中锐化图像的边缘并平滑内部,插值结果直接是一幅灰度图像并且保证图像的几何特性不变．实验结果表明此算法的有效性．     

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法。将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波（Gradient Domain Guided Image Filter,GGIF）来消除多尺度融合可能产生的伪影。将灰度化问题转换为保持三个通道单色图像特征的多尺度融合问题。实验结果表明,与其他灰度化算法相比,所提算法对边缘信息敏感,并能够在较亮或较暗区域检测出更多的图像细节特征。     

图像内容感知缩放的检测方法研究

针对可用于图像篡改的内容感知缩放技术,本文提出了一种基于概率Map图统计特征的内容感知缩放检测算法.该算法利用概率Map图来反映图像是否经过内容感知缩放操作,并利用新提出的积分投影与局部统计特征来检测篡改图像.而后利用分类器进行分类训练,从而有效识别基于内容感知缩放操作的图像篡改.实验结果显示,所提算法能够区分出原始图像与篡改图像,并具有较高的正确检测率.     

基于轮廓波局部高斯模型与全变差的彩色滤波阵列插值

彩色图像的彩色滤波阵列(CFA)插值是从单传感器数字相机通过CFA获得的采样图像中重构完整RGB图像的过程。针对Bayer格式图像提出了一种基于轮廓波局部高斯模型与全变差的彩色图像CFA插值算法。为进一步提高图像边缘插值质量,将图像梯度的稀疏性结合到图像插值过程中,并且图像梯度的稀疏性用彩色全变差(CTV)来衡量。实验结果表明,该算法比现有的图像插值算法在峰值信噪比与主观视觉效果两方面均有显著提高。