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。     

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。     

基于直方图和区域信息的图像去噪滤波器

提出了一种去除图像中椒盐噪声的新型滤波器．该滤波器给出了一种有效的估计原图像直方图的方法，利用该直方图所携带的原图像的信息进行滤波；并根据椒盐噪声的特点，对滤波窗口中的像素进行排除最大和最小的操作，滤除椒盐噪声点；同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．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．     

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。     

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.     

基于数学形态学的自适应彩色图像滤波

为了解决彩色图像滤波问题,针对彩色图像的颜色矢量表示形式和彩色图像中的脉冲噪声的数值特征,提出一种滤除彩色图像的脉冲噪声的自适应算法.首先应用数学形态工具对脉冲噪声进行检测,再根据检测结果,用改进的矢量中值滤波方法自适应地调整滤波窗口,以符合人眼视觉特性的颜色相似性度量方法选择颜色距离最接近的样本像素,对脉冲噪声给予有选择的滤除.通过实验及与其它算法比较,结果表明该算法对于彩色图像中的脉冲噪声有较好的滤除效果.     

基于Kinect相机的深度图像修复算法

针对Kinect相机获取深度图像存在空洞和噪声的问题,提出了一种基于联合双边滤波和中值滤波相结合的深度图像处理方法.将Kinect获得的彩色(RGB)图像和深度图像裁剪对齐,利用联合双边滤波器修复深度图像中的空洞,用中值滤波器滤除噪声.实验结果表明:与其他方法相比,所提算法能够有效填充深度图中的空洞区域,并去除图像中的...     

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.     

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.     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷---对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法。该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度。先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块。最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于2级检测的脉冲噪声滤除算法

以图像结构和噪声的特征分析为基础,提出了一种新的脉冲噪声滤除算法. 算法在噪声检测阶段采用2级开关检测,即先以极值法进行初步检测,然后利用像素邻域的结构信息,并借助设定的阈值识别出该点的性质（信号点或噪声点）. 最后以滤波窗口内像素的灰度排序均值（ROM）替换噪声点的灰度值. 实验表明,本算法在滤除固定值脉冲噪声的同时可以有效地保护图像细节.     

基于图像二维熵的自适应形态学滤波方法

为了在滤除噪声的同时保持图像的细节信息,结合已有的形态学滤波方法,提出了一种新的自适应滤波方法.综合图像灰度分布的聚集特征和空间特征,构造图像二维熵,结合形态学运算,合理设置滤波算法流程,通过连续改变结构算子的大小,观察图像二维熵的变化,合理设置滤波终止条件,通过对椒盐噪声图像的滤波测试,取得了理想的滤波效果.重点阐述了二维熵的构造方法和自适应滤波的流程设计.     

基于卡尔曼滤波的红外图像增强算法

针对红外图像中的非均匀性噪声的去除问题,提出基于卡尔曼滤波的红外图像去噪及增强算法.在Bayesian MAP框架下分析卡尔曼滤波器对去噪问题的适用性.由于成像电路内部温度上升和参数的细微变化,每个像元的固定模式噪声（FPN）在帧间缓慢变化.基于此点,建立暗帧的噪声模型.将卡尔曼滤波器作用于红外暗帧序列,估计出暗帧中每个像元的FPN水平.引入噪声影响因子（NIF）来评估FPN噪声对像元输出信号的影响.根据NIF自适应地选取每个像元的FPN噪声权重.实际带噪图像减去加权FPN噪声,即得到增强图像.将该算法应用于实拍红外图像,用平均灰度梯度（GMG）评估算法的性能.在目标区域,GMG下降了5.1%,说明算法在去噪的同时很好地保留了目标的边缘.而在平滑区域,GMG下降了85.5%.结果表明,该算法在去除非均匀性噪声,提高图像的对比度方面,取得较好的效果.     

一种新型自适应中值滤波器在超声医学图像中的应用

在中值滤波器的框架下,专门针对超声医学图像,提出了一种新的自适应中值滤波器,其自适应机制的是在一个子窗口的四个主要方向先分别进行中值滤波,再用原始图像与四个图像的差值产生加权系数,之后进一步用四个图像加权合成新图像。这种滤波方法有较好的细节保护特性和较强的滤噪特性。分析了新滤波器的特性,并给出了质量较好的超声心脏滤波图像。     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

图像局部方向均值边缘检测算法

根据图像边缘形成的光学原理,将图像边缘分为斜坡形边缘和三角形边缘,提出了一种新的基于方向均值的图像边缘检测方法。该方法以图像像素点为中心,沿不同方向将邻域内的像素分割成两个半圆,分别计算出半圆内像素的样本均值及其差值,再根据均值差值最大值和最小值的方向与两种不同边缘之间的关系,设计边缘幅度响应函数,判断边缘类型,计算边缘幅度响应值和方向,结合漏检概率设计了边缘检测评价函数,并利用评价函数分析平滑尺寸与邻域半径之间的关系。实验结果表明,本文算法具有较好的检测精度,在一定程度上抑制了噪声对边缘检测的影响。     

一种轮胎X射线图像缺陷提取和分割方法

针对轮胎X射线图像对比度不高、图像噪声多和存在较大背景起伏的特点,提出一种基于平滑滤波和灰度校正的轮胎X射线图像缺陷提取和分割方法。首先采用平滑滤波的方法,消除带束层帘线影像和图像中的高频噪声;然后依据整幅图像的灰度均值和图像中每个像素的邻域内部灰度均值的比例关系,对像素的灰度进行校正;最后对校正后的图像进行二值化处理,完成对轮胎X图像的分割。实验结果表明,该方法能够有效地实现轮胎X射线图像缺陷的提取和分割。     

基于FitzHugh-Naguno神经元随机共振机制的图像复原

应用随机共振机制,借助噪声能量实现图像复原,改善低信噪比图像的输出质量.通过分析FitzHugh-Nagumo(FHN)神经元的阈上随机共振机理,以及在相平面上的阈值工作特性,对FHN神经元模型进行约简,以峰值信噪比(PSNR)为图像复原的评价函数,提出基于随机共振的自适应最优图像复原算法.以含噪mountain彩色图像和LED芯片图像为实验对象,与均值滤波、维纳滤波等图像复原算法进行仿真对比研究.结果表明:随机共振方法较好地抑制了噪声、恢复了图像细节和色彩信息,且随着噪声的增强,随机共振方法复原图像的峰值信噪比变化较小,该方法具有较好的鲁棒性.