基于剩余噪声检测的自适应中值滤波算法

在对图像中噪声模型分析的基础上,提出了一种基于剩余噪声检测的自适应中值滤波算法.通过对剩余脉冲的检测,自适应地改变滤波器窗口尺寸,从而有效地滤除密度较大的脉冲干扰,同时较好地保留图像的细节.对实际图像的测试结果表明,所提出算法的输出结果优于标准中值滤波器.     

一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

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。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

一种改进的金相图像处理自适应加权均值滤波方法

金相组织图像分析是显微图像分析中的一个重要内容。由于噪声的存在会对图像分析带来很大的误差,因此进行图像分析前需要对金相图像进行滤噪处理,从而使图像的细节更加突出,便于目标识别。针对标准均值滤波方法存在的不足,提出自适应加权均值滤波方法。该方法通过检测确定图像中的脉冲噪声点,并用改进的均值滤波方法对检测出的噪声点进行滤波。实验结果表明,自适应加权均值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准均值滤波具有更优良的滤波效果,而且可与更大窗口的中值滤波效果相媲美,其处理速度比大窗口的中值滤波快。     

一种有效的自适应中值滤波器

通过介绍一种易于实现的自适应权重中值滤波器(AWMF).该滤波器能根据局部图象的统计特征,调整中值滤波器的权重值,从而能在取得最大滤波效果的同时,还能很好地保持图象的细部特征.通过与均值滤波、中值滤波的对比实验,自适应权重中值滤波器表现出良好的滤波特性,而且它在抑制噪声的同时,较大限度地保持住图象的边沿特征.     

图像非线性滤波技术的研究

中值滤波是图像处理中常用的一种非线性滤波方法,该方法能够在有效地去除噪声的同时保持图像的边缘细节,解决了多数线性滤波在去噪的同时模糊图像这一缺点,能获得较好的图像复原效果。适当设计的加权中值滤波能更好地保护图像的细节信息,调节滤波模板参数可以获得理想的滤波效果。另外,中值滤波可以有效抑制脉冲干扰。本文讨论了中值滤波和加权中值滤波,并给出了相应的实验结果和结论。     

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．     

基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。     

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.     

气液两相流中气泡形态及运动特征参数提取

对气泡发生装置中竖直向上气泡的形态及运动特征提取方法进行了研究。采集原始气泡图像,进行图像灰度化、差影和中值滤波等图像预处理,针对气泡图像的特点,提出动态阈值压缩大津法进行阈值分割,并结合扫描线种子填充算法与图像形态学运算进行孔洞填充,同时基于边缘面积属性对气泡特征区域进行自动识别。实验结果表明,该方法简单有效,鲁棒性强,可以很好地将目标气泡从背景中分离出来,有效提取气泡周长、面积、圆形度和质心坐标等形态特征参数,并实现气泡运动速度的测量。     

新的唯秘密载体信息隐藏分析方法

将图像质量度量标准进行改造并结合在一起,可以针对图像数据进行唯秘密载体（盲）信息隐藏分析,即将图像质量度量标准中的原始图像改为全白图像设计特征向量,用 SVM（支持向量机）对特征向量分类。分析过程中引入的人眼视觉系统的带通滤波性质,提高了算法准确率。实验结果表明了该方法对分析自然图像是有效的。     

基于改进的小波分形四叉树医学图像编码

将改进的小波Mallat算法运用到小波分形四叉树算法中。对医学图像进行改进的小波Mallat分解，对最高级分解的四个子带图像进行无失真编码，剩下的子带图像进行小波分形四叉树编码。实验结果得出恢复图像的质量进一步提高，证明了本文方法的有效性。     

磷酸钙骨水泥修复兔颅骨缺损新骨生长计算机图像分析

利用计算机图像处理技术对磷酸钙水泥修复兔颅骨缺损组织切片标本的光镜图像进行采集,对采集到的原始图像进行滤波、分割和数学开矿学等图像处理,计算不同视野新生骨生长的面积百分比,并对不同视野的结果进行生物统计分析,得到兔颅骨修复过程中新生骨定量生长情况,用计算机图像处理方法将成风过程从传统的组织形态学光镜观察的定性分析上升到了定量分析,为磷酸钙骨水泥修复骨缺损成骨机理和临床材料选择提供了定量的依据。     

基于结构光焊缝图像预处理的研究

为了可靠跟踪焊缝,需要对结构光视觉传感器采集的焊缝原始图像进行预处理,以消除噪声的影响.首先采用一维高斯型拉普拉斯滤波器处理图像,将尺寸与激光光带宽度相差较大的噪声变为离散的小块噪声,然后采用邻域均值滤波进行平滑处理.针对焊缝图像灰度分布随机变化的特点,采用最大方差阈值法自适应选取阈值分割图像,将图像二值化.采用标记法去除小区域噪声,获得清晰的焊缝图像,为后续提取焊缝特征奠定坚实基础.实验表明,该预处理方案可满足实时焊缝跟踪的需要.     

去除图像分划线的线形窗开关中值滤波算法

提出了一种用于去除图像中十字分划线的线形窗开关中值滤波算法.该方法将图像进行区域分类处理,对于未受分划线影响的区域可直接保留原图像信息;而对受到影响的区域,则利用分类器判断是否为分划线的像素,即对受影响区域进行开关中值滤波,从而有效地保留图像的细节.该算法复杂度低、处理速度快,适合于实际工程应用.     

颗粒跳跃的计算机图像预处理方法

在非均匀沙床面上进行颗粒跳跃跟踪电视摄像试验得到一系列序列图像,可据以确定不同水流条件下颗粒跳跃的轨迹及速度,后者在输沙力学中具有重要意义．为获得有关颗粒跳跃的高精度数据,作者对摄像试验图像作了计算机图像处理和识别．首先将真彩色图像转化为灰度级图像,并对有用部分进行预截取．然后对这些图像采用半邻域法滤波和十字形中值滤波等平滑滤波方法进行处理,取得了较好的结果．这些图像的预处理工作为今后对图像作诸如阈值分割、轮廓线抽取和直线检测等的进一步处理奠定了基础．     

体表损伤图像的分割

图像分割的研究一直受到人们的高度重视，但是，针对体表损伤图像的分割还未见报道。基于利用体表损伤图像的特点，提出了两种适合损伤图像的分割方法。针对损伤部分和背景色彩相差剧烈的图像，提出了基于彩色图像分割技术路线：颜色调整、抽取RGB之一的分量和数学形态学处理。针对损伤部分的灰度比较均匀的图像，提出了基于活动轮廓模型（Snakes）的图像分割技术路线，共有7个步骤：图像增强、灰度化、中值滤波去除噪声、平滑边缘、提取初始轮廓、采用不同内外力参数的活动轮廓模型的迭代、B样条拟合。实验结果显示了这两种方法的有效性。分割结果为获得法医鉴定中的鉴定参数提供了准备工作。     

基于数字图像处理技术的实况视频图像处理系统设计

本文基于FPGA和DSP的图像处理卡设计了实况图像处理系统,介绍了针对不同背景条件的图像,采用了高斯滤波器和中值滤波器的图像滤波算法,以及拉普拉斯锐化和同态滤波的图像增强算法,而改善图像质量的技术方案。实验显示:该系统可提高实况图像质量,满足靶场试验要求。