结合隶属度与像素交替引导滤波的鲁棒模糊聚类算法

模糊局部信息C-均值（FLICM）聚类算法是目前应用较广泛的图像分割算法,然而仅适用于处理低噪声图像。FLICM算法与像素引导隶属度滤波的结合在一定程度上提高了噪声抑制能力,但仍无法满足强噪声图像的分割需求。联合引导滤波与基于核度量的加权模糊局部信息C-均值（KWFLICM）聚类算法,提出一种隶属度与像素值交替引导的核模糊聚类算法。将像素引导隶属度滤波模块和隶属度引导像素滤波模块引入KWFLICM算法,构造一种引导滤波约束的多目标核模糊聚类优化模型,采用最小二乘法对该模型进行迭代求解。在迭代过程中,通过像素引导隶属度滤波和隶属度引导像素滤波,分别修正输入图像的隶属度和像素值,进一步提高核模糊聚类算法对含噪图像的鲁棒性。实验结果表明,与同类核模糊聚类算法相比,该算法在莱斯噪声干扰下的误分率、精确度、峰值信噪比、Jaccard相似系数等评价指标上表现突出,具有更好的分割性能和更强的鲁棒性。     

一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

曲面测量模糊加权均值滤波算法研究

文章提出了一种用于曲面测量中测点数据噪声处理的模糊加权均值滤波方法。该方法利用模糊隶属度思想,通过迭代优化权值以剔除曲面测量数据中的噪声。较之于均值滤波,该方法能更有效地滤掉测量噪声。通过仿真实验验证了该方法的有效性。     

广义多级混合噪声图像滤波

本文在传统的线性、非线性滤波技术的基础上,提出了一种新的滤波器结构——广义多级混合滤波器。并导出了滤波算法。对受加性噪声(高斯噪声、均匀噪声和脉冲噪声)和信号相关噪声干扰的图像,它具有良好的噪声抑制能力,且有效地保持图像边缘和细节。在噪声图像的均匀区域,它几乎具备最优的滤波性能;在图像边缘区域,它的性能可以与FIR-中值混合滤波相媲美。而且,现有的多级中值滤波、Wiener-中值滤波、中值均值混合滤波、非线性均值滤波和排序统计滤波等都是它的特殊情况。     

基于模糊方向滤波的SAR 图像增强与去噪

针对SAR 固有的乘性噪声使其图像可解释性变差的问题, 基于方向滤波器和模糊逻辑探讨模糊方向滤波法。首先根据对比度来选取特征平面, 将图像进行特征平面增强并模糊化, 并获得模糊参数, 然后根据模糊规则计算隶属度, 以具有相应最大隶属度的像素构成最后滤波结果。SAR 实验由半点指数和正则均方差来检验不同方法的性能, 数据和图像均表明此方法优于Lee 滤波法、Esafa 法和加权形态滤波法, 既滤除噪声又保留图像细节; 为SAR 图像处理提供了有效的思路和工具。     

一种分类滤波的去噪新方法

均值滤波或中值滤波只对某一种噪声有较好的滤波效果,为了克服单一滤波的缺陷与不足,提出一种分类滤波的去噪新方法.该方法先判断像素点是否需要滤波处理;再对需要处理的像素点按噪声特点进行分类,然后采用一种基于模糊隶属度的加权裁剪均值滤波方法滤除平坦噪声,采用中值滤波滤除孤立噪声.实验证明此方法可以抑制对所有像素点的同一滤波处理而造成的图像边缘细节模糊,而且对滤除多种不同类型的噪声有较好效果.     

一种基于属性均值聚类的图像分割方法

为了降低图像噪声以及边界模糊对图像分割的影响,把属性均值聚类的思想应用于图像分割.首先,采用自己设计的非线性自适应滤波器对图像进行降噪预处理,接着采用模糊熵进行粗分割.最后,针对由于人工设置初始隶属度矩阵不当而导致属性均值聚类收刽速度慢的问题,把模糊熵最终得到的隶属度矩阵作为属性均值聚类的初始参数进行二级分割.通过实验表明该方法最终分割出了自己感兴趣的区域,效果较好.     

基于Mean-shift算法与模糊熵的图像平滑

为解决均值漂移算法的滤波核带宽的选择问题,通过分析模糊理论的模糊隶属度函数和Mean-shift算法的核函数的定义,指出可将模糊隶属度函数作为Mean-shift的核函数。由此定义新隶属度函数作为表示灰度信息的核函数,应用Mean-shift算法对一幅混有噪声的细胞图像进行平滑处理。通过实验表明该方法能到达较好的平滑效果且不需要选择核带宽hr。     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值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均值滤波算法，而对受椒盐噪声污染的像素则采用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。     

一种针对彩色图像随机值脉冲噪声的矢量滤波方法

为了去除彩色图像随机值脉冲噪声,提出了一种新的矢量滤波方法。该方法对图像的平滑区域和边缘区域的滤波工作分开进行,平滑区域滤波方法将窗口分成多个区域,然后基于矢量中值和平滑区域像素的特征检测出平滑区域的信号,边缘区域的滤波是在已知信号的基础上对非信号进行矢量中值滤波。仿真实验结果表明,该方法能够有效地去除彩色图像的随机值脉冲噪声,尤其当噪声密度较高时,去噪效果明显优于传统的矢量中值滤波。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

基于局部空间像素特征的自适应加权滤波算法

提出了一种新的基于局部空间像素特征的椒盐噪声自适应加权滤波算法。该算法首先对含噪图像逐点进行噪声检测,把所有像素分为含噪像素点和信号像素点;然后采用自适应加权滤波方法,对检测到的噪声点进行滤波,滤波权重由确定的数学公式来确定,自适应于滤波窗内临近像素的局部特征。实验结果表明,该算法不仅可以有效地除去椒盐噪声,又可以较好地保持图像边缘细节,尤其在噪声密度较大时,效果明显优于传统的中值滤波算法。     

基于粗集的图像混合噪声滤波算法

实际应用中图像常受到不同类型噪声的同时干扰,为解决混合噪声图像的去噪问题,提出了一种基于粗集的图像滤波算法.该算法将粗集理论应用到图像滤波中,利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除.实验结果表明,该算法在抑制混合噪声时性能优于传统中值滤波、均值滤波等方法,同时也能较好地保护细节信息.     

基于差分分层噪声检测的开关中值滤波算法

为了精确地检测出图像中的脉冲噪声并滤除,提出了一种差分分层噪声检测的开关中值滤波算法。该算法对噪声检测窗口内像素点按灰度值大小排序,通过差分方法划分出高、低阶噪声块和信号块3部分。当待测像素点属于信号块时视其为信号点;否则,视其为可能噪声点。利用可能噪声点与信号块中与其灰度值最临近的信号点的灰度的差定义了梯度函数,在梯度函数的基础上定义了用于对可能噪声点进行二次检测的模糊隶属函数,对滤波方法进行模糊加权,得到一种加权滤波方法。实验结果证明了该算法对脉冲噪声有很强的抑制作用。     

基于模糊推理的多窗口中央值滤波器设计方法

提出了一种基于模糊推理用于去除图像椒盐噪声的中央值滤波器的新型设计方法,在图像复原处理中,理想的期望是对图像被劣化的部分处理,没有被劣化的部分不作处理,但实际图像处理中处理点是否为噪声点具有模糊性.利用模糊推理对处理点像素多大程度上属于劣质像素进行推定,并且多个模糊滤波器联合使用,处理结果证明对广范围噪声发生率的各种被椒盐噪声劣化的图像复原处理都适用.     

基于直方图的图象去噪滤波器

滤除图象噪声时，虽然利用的先验知识越多，其滤波效果越好，但是一般情况下，由于只能得到一幅被污染的图象，无法获得这些先验知识，因而滤波效果较差。为了解决该问题，提出了一种去除图象中椒盐噪声的新型滤波器。该滤波器首先给出了一种有效的估计原图象直方图的方法，进而利用估计直方图的信息来进行滤波；然后对滤波窗口中的像素进行一种排除最大和最小灰度值的操作，以滤除椒盐噪声点。实验表明，该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显。     

A new cluster based adaptive fuzzy switching median filter for impulse noise removal

A new clustering technique based on most allied directional neighbors is proposed to suppress low and high-density impulse noise from digital images. Most allied neighbors exhibit a vital role in estimation as well restoration of appropriate gray level value of corrupted pixels. In first phase, most allied directional neighbors, i.e., pixels directly attached to central pixel and the directional pixels (horizontal, vertical and two diagonal directions) next to attached pixels in the processing window are partitioned into two equal size clusters based on gradient values. Cluster with a minimum sum of gradient values (most similar neighbors) and the one with relatively large gradient values are passed to fuzzy inference system to infer the current pixel to be noisy-free, edge or a noisy. In second phase, a switching technique opts one of the three options depending upon fuzzy membership degrees and local information to restore the corrupted pixel value. A non-parametric approach based on local information for dynamic threshold setting using fuzzy logic makes the proposed filter computationally effective and adaptive to process a large number of images without user-defined parameters. The proposed algorithm is simple to implement and simulation results based on well know quantitative measures indicate the supremacy of the proposed filter for random-valued impulse noise as well as salt and peppers noise.     

Fast averaging peer group filter for the impulsive noise removal in color images

In the paper, a new approach to the impulsive noise removal in color images is presented. The new filtering design is based on the peer group concept, which determines the membership of a central pixel of the filtering window to its local neighborhood, in terms of the number of close pixels. Two pixels are declared as close if their distance in a given color space does not exceed a predefined threshold value. A pixel is treated as not corrupted by the impulsive noise process, if its peer group consists of at least two close pixels, otherwise this pixel is replaced by a weighted average of uncorrupted samples from the local neighborhood. The peer group size assigned to each pixel is used for the averaging operation, so that pixels which have many peers are taken with higher weight. The new filtering design proved to restore efficiently color images corrupted by even strong impulsive noise, while preserving tiny image details. The beneficial property of the proposed filter is its very low computational complexity, which allows its application in real-time image processing tasks.