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.     

一种基于灰色关联的去椒盐噪声滤波算法

利用灰色关联理论结合开关滤波策略的思想,提出了一种基于灰色关联的去椒盐噪声算法。算法采用开关策略,对于噪声点,选取3×3滤波窗口内的非噪声像素,利用灰色关联度计算各像素的加权值,将各非噪声像素加权后替换噪声点像素值,得到滤波图像。仿真实验证实,该算法不仅有效抑制了图像中的椒盐噪声,而且较好地保持了图像的边缘细节,滤波效果明显优于传统的滤波算法。     

基于灰色关联度的图像混合噪声的自适应滤波算法

利用中值滤波和灰色关联度的特点,提出基于中值滤波和灰色关联度相结合的混合噪声图像滤波算法.算法选取加窗混合噪声图像的中值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到结果.实验结果表明,该算法有较好的自适应性,不但能够有效去除含有高斯噪声和脉冲噪声的图像噪声,而且能较好地保护图像的细节信息,提高图像的去噪效果和清晰度.     

一种基于灰色关联度的椒盐噪声滤波算法

针对中值滤波算法在去除椒盐噪声时峰值信噪比（PSNR）提高有限和细节保持能力不佳的问题,提出了一种基于灰色关联度的两步式双阈值椒盐噪声滤波方法。第一步通过窗口中各像素的灰色关联度与阈值T1的比较识别出被噪声污染的点;第二步将窗口中所有点的灰色关联度与软阈值疋（中位值）进行比较,选取灰色相关的正常点来恢复出被噪声污染的点。实验结果表明：在噪声率较高的情况下,该算法提高了图像峰值信噪比,改善了图像的主观效果。     

基于差分法的噪声检测和变分法的图像滤波算法

针对图像的椒盐噪声滤除算法中,在噪声检测阶段对噪声点的检测通常不够准确,在噪声恢复阶段,又缺乏对边缘信息的保护,文中提出了一种两步复原法,以用于复原被脉冲噪声破坏的模糊图像。算法将滤噪过程分为噪声检测和噪声恢复阶段。噪声检测过程中,在滑动窗口扩大当前的像素值和其他像素值之间的有序差异,来确定当前像素是否为噪声像素。而在噪声恢复过程中利用变分法,确保图像的边缘和细节。实验结果表明,文中所提检测、降噪方法在噪声密度较高的情况下,优于其他算法。     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

一种高效去除椒盐噪声的中值滤波方法

提出了一种基于先检测、后滤波的椒盐噪声滤除算法．将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点．信号点不做任何处理,以保留更多的图像细节．而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0．然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理．实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节．在不同噪声率下均优于标准中值（SMF）滤波法及其一些改进方法,在噪声密度为10％～90％其峰值信噪比（PSNR）平均提高6dB．     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

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。     

基于噪声检测的高密椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度保护图像的细节信息,使得高密度噪声污染图像也能得到较好的恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

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。     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

基于细节保留的椒盐噪声自适应滤波算法

针对灰度图像中椒盐噪声的特点,提出了一种更加精确的噪声检测方法:该方法利用滤波窗口内像素点灰度值的不同,将受椒盐噪声污染的图像中像素点划分为噪声点,疑似噪声点和信号点.通过设定阈值,并参考相邻像素点的相关性来进一步区分疑似噪声点,最终建立噪声标记矩阵.对于被标记的噪声点,采用自适应滤波算法,保留更多的图像细节.仿真结果表明,该算法在除去噪声点的同时,对于边缘细节也有非常好的保护作用.     

A neutrosophic filter for high-density Salt and Pepper noise based on pixel-wise adaptive smoothing parameter

Image indeterminacy has been neglected in most traditional filtering algorithms. This paper proposes a pixel-wise adaptive neutrosophic filter based on neutrosophic indeterminacy feature to remove high-level Salt-and-Pepper noise. In the proposed algorithm, the indeterminacy of a pixel is quantified by a Neutrosophic Set and innovatively exploited as an efficient characteristic of measuring the similarity of pixels. In order to adjust the smoothing parameter of the weight function pixel-wise adaptively, the uncertainty of a pixel is utilized as an indicator of image contents. Extensive experiments on numerous images demonstrate that with a 3 × 3 window, our method outperforms many existing denoising methods in terms of noise suppression and detail preservation.     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

Using Sorted Switching Median Filter to remove high-density impulse noises

We propose a novel Sorted Switching Median Filter (i.e. SSMF) for effectively denoising extremely corrupted images while preserving the image details. The center pixel is considered as “uncorrupted” or “corrupted” noise in the detecting stage. The corrupted pixels that possess more noise-free surroundings will have higher processing priority in the SSMF sorting and filtering stages to rescue the heavily noisy neighbors. Five noise models are considered to assess the performance of the proposed SSMF algorithm. Several extensive simulation results conducted on both grayscale and color images with a wide range (from 10% to 90%) of noise corruption clearly show that the proposed SSMF substantially outperforms all other existing median-based filters.     

非高斯噪声情况下多平台机动目标被动跟踪新方法

针对仅有角度测量信息条件下,被动传感器融合目标跟踪问题,提出了扩维UKF滤波算法;并对经典IMM进行改进提出变维IMM算法,利用不同维数模型之间的交互式融合解决对机动目标的跟踪问题;进一步考虑实际情况中往往存在的测量噪声为非高斯情况,引入自适应滤波方法。最终提出变维交互式多模型自适应抗差扩维无迹滤波方法（VDIMM-AAUKF）,成功实现了被动多传感器在高斯和非高斯噪声情况下对机动目标跟踪。仿真实验结果表明该算法跟踪精度高、稳定性好,具有较好的实际应用价值。