一种针对图像脉冲噪声的改进中值滤波算法

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整.     

基于×字形窗口的自适应中值滤波算法

传统的中值滤波方法在去除脉冲噪声的同时会损失部分图像细节,且运行速度也不能很好地满足实时性要求。在此对Matlab工具箱中的中值滤波算法进行改进,提出一种基于×字形滤波窗口的自适应中值滤波算法。该方法具有根据3×3的×字形窗口中噪声点个数自适应调整滤波窗口大小及根据矩阵的对称性及基本的逻辑运算实现×字形窗口的特点。实验结果表明,与传统的方形窗口中值滤波算法相比,该方法在有效去除椒盐噪声和脉冲噪声的同时,较好地保持了图像细节,缩短了运行时间。     

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

一种多子窗口中值加权的高斯噪声滤波算法

为了有效地去除图像中的高斯噪声,提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口,并将其划分为9个3×3子窗口区域,先找出每个子窗口的中值像素点,然后求出每个中值像素点与它们的中值点差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明,该算法对图像中的高斯噪声具有较好的滤除性能,并且较好地保持了图像的细节,效果优于传统的滤波算法。     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

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。     

一种改进的加权均值滤波算法

当图像中同时存在脉冲噪声和高斯噪声时,传统的中值滤波算法和均值滤波算法均不能达到较好的去噪效果。针对这一问题,提出了一种改进的加权均值滤波算法。算法采用局部阈值优化的方法计算各像素点的权值,将滤波窗口各像素点的灰度值与对应的权值进行加权运算,结果作为窗口中心点的滤波输出。仿真实验结果证明,该算法对脉冲噪声和高斯噪声具有较强的去噪能力,且较好地保持了图像的细节,效果均优于传统中值、均值滤波算法和改进的中值滤波算法(IMF)。     

一种改进的自适应中值滤波算法

针对传统自适应中值滤波算法的不足,文中提出了一种改进的自适应中值滤波方法,以有效的去除图像中的高密度脉冲噪声。第一,对于噪声点的检测,首先利用极大值和极小值的数量差找出可疑的噪声点,再利用邻域像素的相似性判断可疑点是否为噪声点。第二,对于滤波中值的计算,先把滤波窗口内具有相同灰度值的极值点压缩到一个,然后再计算中值。实验结果表明,该算法的滤波效果优于传统自适应中值滤波,且具有较好的稳定性。     

改进自适应中值滤波的图像去噪

针对传统自适应中值滤波算法的不足,提出了一种改进的自适应中值滤波算法,该算法引入了角度和相关性,第一,根据角度α的大小,判断当前像素点是否为可疑噪声点,再由其像素间的相关性判断此可疑噪声点是否为噪声点。第二,把排序得到的中值与窗口中所有像素点的均值加权得到新的灰度中值,再将噪声点用新的灰度中值替代,从而达到滤除噪声的效果。实验结果表明,该算法滤波,既能有效地平滑噪声,又能保存细节,效果远优于传统自适应中值滤波算法。     

一种改进的中值滤波算法的研究

去除图像中的椒盐噪声是图像处理中的一个重要问题。传统的中值滤波算法,对所有的像素点采用相同的处理,使图像的细节变得模糊,同时降低了效率。本文针对这个问题,在多级中值滤波的基础上,提出了基于噪声点检测的多级中值滤波算法。通过Matlab仿真研究表明,该算法可以有效去除图像的椒盐噪声,并能更好的保护图像细节,同时具有很高的效率。     

采用一种新的滤波方法去除图像噪声

提出了一种新的滤波方法,使用适当窗口在图像上滑动,计算该窗口中心像素的块均匀度,并与整幅图像的块均匀度比较,自适应地确定窗口中心像素是否为噪声点;然后统计该窗口中噪声点的个数,自适应地调整滤波窗口大小,最后自适应地计算权值,并采用改进的加权中值滤波方法对噪声点进行逐点滤波.模拟实验和分析结果表明该方法是有效的,既能有效地去除图像噪声点,又能较好地保持图像细节部分,为去除图像中的噪声提供了一种新的方法.     

红外图像噪声先验中值滤波方法的设计与应用

红外图像中的脉冲噪声影响温度测量及分析,同时影响红外图像的可观性。传统中值滤波容易造成过度滤波,影响温度分布,丢失图像温度信息。针对传统方法的缺陷,借鉴噪声检测的中值滤波方法,将其应用于红外图像的脉冲噪声滤波。该方法在中值滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识。然后进行对噪声污染像素的针对性滤波,实验证明,达到了既能有效滤除噪声,又完整保留温度信息的目的。     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

基于斜率差值的自适应图像椒盐噪声滤波算法

提出了一种基于斜率差值的自适应中值滤波算法,以有效去除图像脉冲噪声。该算法在经典自适应中值算法的基础上,采用斜率差值进行噪声判定。针对自适应中值滤波算法和基于斜率的自适应中值滤波算法在噪声强度较高情况下的不足进行了改进,同时解决了噪声块难以去除的问题。实验结果表明,该算法能有效去除图像脉冲噪声,并较好的保护图像细节。     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

一种用于抑制椒盐噪声的多窗口中值滤波器

该文提出了一种用于抑制椒盐噪声的多窗口中值滤波算法。算法在招待过程中根据具体情况采用不同大小的滤波窗口。仿真结果表明，与标准中值滤波算法相比，该方法不仅可以有效去除图像中的椒盐噪声，特别是在噪声密度非常大的情况下，表现了很好的性。     

一种窗口自适应的去椒盐噪声滤波算法

为了有效地去除图像中的椒盐噪声,提出一种窗口自适应的滤波算法。算法先采用3×3窗口进行噪声检测,如果中心点为噪声点,则统计窗口内为非噪声点的数量。当非噪声点的数量大于2时,采用中值均值滤波算法;当非噪声点的数量小于等于2时,将窗口尺寸扩大至5×5,采用中值均值滤波算法。如果中心点为信号点,则保持原值不变直接输出。仿真实验结果证明,这种算法对不同程度椒盐噪声污染的图像具有较强的去噪能力,同时较好地保持了图像的细节。     

一种新型的中值滤波改进算法

针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。