CIE-Lab空间的彩色图像混合去噪

针对彩色图像中的混合噪声提出一种CIE-Lab颜色空间的混合去噪算法。双边滤波对高斯噪声具有不错的抑制效果,然而其固有不足是不能处理脉冲噪声,文章采取逆向思维方法将这种不足用于彩色图像脉冲噪声的识别,并仅对识别出的脉冲噪声点在CIE-Lab空间采用概率密度极值滤波方法进行滤除,对剩余高斯噪声仍利用双边滤波算法处理。文中算法采用双边滤波这种非线性滤波算法处理高斯噪声同时仅对识别出的脉冲噪声点进行概率密度极值滤波,因此该算法具有保留图像边缘特征的特性。最后仿真实验表明,CIE-Lab空间的混合滤波算法能够有效滤除高斯噪声和脉冲噪声,相比其他彩色图像噪声处理方法,该方法更为优越。     

彩色显微骨髓细胞图像噪声的自适应矢量中值滤波

提出了一种基于彩色图像噪声的自适应矢量中值滤波方法,可根据噪声干扰的情况自动选择滤波窗口的大小.首先,检测3×3窗口中矢量中值与其他矢量之间的平均距离,然后根据这个平均距离的大小来判断选择3×3窗口,或5×5窗口,或1×1窗口.当选择1×1窗口时,意味着滤波输出就是原图像的像素值.模拟实验显示,应用自适应矢量中值滤波器能有效地滤除彩色显微骨髓细胞图像的噪声,并能较好地保护边缘和细节,其性能较一般的矢量中值滤波方法要好.     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.     

彩色图像滤波的新方法

提出了用于彩色图像噪声滤除的新矢量滤波器。这些滤波器对于脉冲噪声的滤波效果较好,其中准均值滤波器(1)的性能近似于矢量中值滤波器,其余滤波器在低脉冲噪声情况下的性能则优于矢量中值滤波器。与矢量中值滤波器相比,新滤波器具有算法简单、计算量小且易于硬件实现的特点。     

自适应彩色图像SCM去噪

提出一种彩色图像去噪方法。该方法首先利用脉冲发放皮层模型spiking cortical model,SCM)的同步脉冲发放特性和脉冲噪声明显不同于周围非噪声像素的特点定位彩色图像各通道中脉冲噪声点的位置;然后根据噪声检测情况自适应地选择窗口的大小及对应的滤波方法仅滤除噪声像素,保持非噪声像素不变。实验数据表明该方法能够充分去除噪声的同时很好地保持图像细节。对污染严重的图像,用该方法去噪后的主观视觉和客观评价明显有所改善。     

基于鲁棒性神经模糊网络的脉冲噪声滤波算法

在一个简单有效的脉冲噪声检测器和一个鲁棒性神经模糊(robust neuro-fuzzy, RNF)网络的基础上,对于被脉冲噪声污染的彩色图像,提出了一种新的脉冲噪声滤波算法。该算法可分两步进行,首先对RNF网络进行优化训练,然后用优化后的网络对被噪声污染的彩色图像进行噪声滤波。在该算法中,采用一个简单有效的脉冲噪声检测器,它能快速有效的检测出彩色图像中的噪声像素。经过优化的RNF网络仅对噪声像素进行滤波,而对非噪声像素则保持不变。在RNF网络的构造中,采用一个新的隶属函数,使该算法对于脉冲噪声具有鲁棒性。实验结果证明,与一些传统的非线性、多通道滤波器相比,该滤波器具有较好的滤除噪声能力,并且能较好的保留图像的边缘和细节,具有很好的鲁棒性。     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

针对脉冲噪声的双窗口自适应中值滤波方法

针对中值滤波效果随滤波窗口大小和噪声密度而显著变化的不足,提出了将噪声检测和噪声滤除窗口相分离的方法,采用大窗口检测噪声和小窗口滤除噪声的策略、自适应脉冲噪声滤除策略以提高图象滤波性能。实验表明,该方法在噪声检测的准确性和噪声滤除的有效性方面均有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

改进矢量中值滤波在图像处理中的应用研究

针对传统矢量中值滤波计算量大且复杂的问题,通过分析彩色图像滤波的一般方法,提出了彩色图像矢量中值滤波的改进算法.经与传统矢量中值滤波和理想滤波器实验结果对比可知,该算法不仅具有矢量中值滤波法去噪、保边缘和不增加新颜色的优点,而且具有计算量小、算法简单和易于实现的优点.此算法已应用于葡萄病害图像处理,并在Visual C 软件平台上进行验证,结果证明该方法可行,在完成病害图像增强的同时,对噪声有较好的抑制作用.     

基于模糊逻辑的图像脉冲噪声滤除

为了兼顾与平衡在图像脉冲噪声滤除和细节保留两方面的内容,提出了基于模糊逻辑的图像脉冲噪声滤除算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其它改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

基于提升小波的图像脉冲噪声抑制方法

分析利用小波进行图像去噪的方法和特点,根据电视跟踪测量系统的实际需要提出利用易于硬件实现的提升小波滤波器对实时图像进行去噪,重点研究受脉冲干扰的实时图像的噪声抑制问题.小波分解的高频部分在噪声附近具有较大值,通过调整提升项设计提升小波滤波器,所设计的滤波器包含噪声特性,应用这些滤波器可以检测到脉冲噪声,利用小波的重构公式消去图像中的噪声.由于提升小波滤波器比普通小波滤波器运算量大大减少,因此算法易于硬件实现.将提升小波的降噪方法同现代信号处理器件DSP和FPGA结合起来有着广泛的应用前景.     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

基于图像融合模型的矢量逆半调算法

针对矢量误差分散半调图提出了一种彩色逆半调算法。首先,分析了基于矩阵增益模型的误差分散系统,发现矢量逆半调问题可等效为相关性高频噪声的抑制问题;然后利用K-L变换去除相关性并基于Laplacian金字塔构造图像融合模型,该模型能将未知特性的高频噪声转化为易处理的脉冲噪声;最后使用维纳滤波器和中值滤波器去噪。实验表明,该算法能克服色偏,减少杂色,较准确地再现连续色调图像,逆半调图像的峰值信噪比传统算法提高2~3dB。     

二维分数阶小波变换滤除混合图像噪声研究

图像形成与传输过程中,常受到复杂混合噪声的干扰.本文结合二维分数阶小波变换与中值滤波,提出一种新的混合未知图像噪声滤除方法.该方法先通过噪声检测将脉冲噪声标识出来,并利用中值滤波方法滤除,然后计算剩余噪声,进一步得到二维分数阶小波变换的最优阶次,在二维分数阶小波时频域,将剩余的高斯白噪声用阈值去噪方法滤除.经实验证明,该方法在有效去除混合噪声时具有优势.