基于方向信息的图像椒盐噪声的非迭代滤除

介绍一种基于多方向信息的中值滤波,它在滤除噪声的同时能较好地保持图像的边缘和细节。     

一种针对椒盐噪声的高速自适应中值滤波算法

大数据量高清视频流在拍摄、传输等过程中可能受到干扰而产生椒盐噪声.由于其具有数据传输速度快的特点,为了确保它的实时性,进一步提高滤波算法的时间效率和计算效率,对现有的自适应中值滤波进行了改进,提出了一种高速自适应中值滤波算法.滤波过程主要分为噪声点检测和噪声去除两个阶段.其中,在噪声点检测阶段,根据椒盐噪声的极值特性,将图像的像素点分为噪声点和信号点;在噪声去除阶段,信号点保持原值,噪声点根据自适应中值进行赋值.实验结果表明,该算法相较于多种中值滤波方法具有很好的滤波作用,以及很大的速度提升.     

图像中椒盐噪声去除算法研究

为了有效地去除数字图像中的椒盐噪声,提高图像质量,本文 在分析一些典型消除噪声方法的基础上,给出了一种新的椒盐噪声去除算法。首先,针对椒 盐噪声的特点,设计了一种基于动态窗口和邻域像素统计信息的噪声检测算法,有效地区分 了噪声点与非噪声,然后对检测出的噪声点,采用改进的自适性的中值滤波算法进行噪声滤 除,在滤波算法中加入了窗口大小自适应控制和滤波值调优策略。实验表明：该方法不仅能 去除图像中的椒盐噪声,而且能有效地保护图像的细节特征,对于高密度噪声的图像去 除噪声的效果比其他方法更优。     

椒盐图像的方向加权均值滤波算法

椒盐噪声是造成图像污染的主要因素之一,椒盐去噪是图像去噪领域的研究热点。方向加权中值滤波算法计算噪声点滤波输出时存在一定的问题,比如,未排除近邻噪声点的干扰,对方向的估计不准确,对局部灰度特性刻画不完整等。为此,提出一种方向加权均值滤波算法。此算法先根据方向灰度差异和灰度极值判断检测噪声点,然后根据对局部窗口噪声强度的估计自适应地选择递归或非递归滤波窗口的加权灰度均值作为滤波输出。仿真实验结果表明,提出的算法与现有的两种方向加权中值滤波算法相比,PSNR普遍提高了2~3dB和5~6dB,噪声密度高时提高的幅度更加明显;速度提高了接近10倍和30倍。     

椒盐噪声的一种滤波算法

椒盐噪声的滤波一般以中值滤波为基础,有多种滤波方法。文章根据椒盐噪声点所处区域不同,采用不同的处理方法：对非边缘噪声采用均值滤波,对边缘噪声点采用最小值,增强边缘;并对非噪声区域保持原值。该算法具有较好的滤波效果,并对细微边缘有较好的保护作用。     

强椒盐噪声图像的二次自适应中值滤波算法

中值滤波是一种简单而重要的处理椒盐噪声图像的方法,但传统的中值滤波只适用于弱噪声的情况,对于强椒盐噪声并不适用.本文在中值滤波的基础上,提出了一种自适应的二次中值滤波算法,该算法具有实现过程简单,运算复杂度低,自适应性强的特点.经过实验表明:该方法对强椒盐噪声图像具有良好的处理效果,特别适用于噪声大于50%的高强度椒盐噪声图像.     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.     

强椒盐噪声下的模糊边缘自适应中值滤波算法

在图像的获取或传输过程中可能会受到一些干扰从而产生椒盐噪音,产生的噪声图像失去了一些特征要素。传统的中值滤波方法对椒盐噪音有一定的滤除作用,但当椒盐噪声的密度较大时滤波效果会变差,现有的自适应中值滤波算法对高密度下的椒盐噪声的滤除效果有了很大的提升,但仍难以保留细节。对此本文提出了一种适用于高密度椒盐噪声的自适应中值滤波改进算法,该算法将噪声点和信号点分别进行处理,之后进行模糊逻辑图像边缘检测,对模糊边缘像素点进行二次自适应中值滤波处理。该算法具有结构简单,通用性强,运行速度快等特点。实验结果表明,该算法对高密度的椒盐噪声具有很好的滤波效果。     

基于2级噪声检测的改进中值滤波算法

针对传统中值滤波算法去除高密度椒盐噪声能力的不足,提出了一种新的改进算法.该算法首先采用2级噪声检测方法对图像中的信号点和噪声点进行标识,然后对检测出的噪声点利用改进的中值滤波算法进行处理,而对信号点则保留其灰度值不变.实验结果表明,该算法能在有效去除噪声的同时很好地保留图像细节,相比于传统中值滤波及其它改进中值滤波算法,该算法获得的去噪后的图像具有更好的客观评价指标和主观视觉效果.     

基于改进BM3D算法的椒盐噪声去噪

在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法（Block-Matching and 3D filtering,BM3D）去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比（PSNR）也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。     

一种噪声密度检测自适应选择策略的滤波算法*

针对灰度图像受椒盐噪声不同程度污染的滤波处理问题,提出了一种噪声密度检测自适应选择策略的滤波算法。先对被噪声污染图像进行噪声密度检测,然后根据检测结果判断图像为轻度污染还是严重污染。对于前者,用3×3窗口统计阈值(STM)的开关中值滤波算法;对于后者,采取先3×3窗口后5×5窗口统计阈值的开关中值滤波算法二次滤波。实验结果表明,该方法不但适应能力较强,而且具有较强的去噪能力和较好的图像细节保护能力。     

基于模糊推理的方向中值椒盐滤波算法

针对灰度图像中的椒盐噪声,提出了一种基于模糊逻辑推理的方向中值滤波算法.该算法先利用椒盐噪声的特点,将图像像素点分为信号像素点和噪声像素点,然后利用模糊推理在4个方向上推理出最接近理想值的非噪声点代替当前噪声点.同时算法中采用一种简便的方法检测出噪声点所处的滑动窗口中的边和线.仿真结果表明,该算法能在有效抑制噪声的同时较好地保存图像的细节信息.     

一种基于脉冲噪声检测的中值滤波方法

提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用中值滤波滤除脉冲噪声的方法。该方法将含有脉冲噪声的子图像样本空间,通过核函数映射成为高维空间中的一个超球体,计算该球体半径R及对应的球心向量a。对于测试样本,比较其到超球体球心的距离d与球体半径R两者之间的关系,若两者差的绝对值小于某一阈值,则不存在噪声,反之存在噪声。采用中值滤波方法,对检测到的噪声点进行滤除。与其他算法相比,提出的算法对噪声的判断更加准确,滤除噪声的方式更加合理,适用的图像范围更加广泛,具有更好的滤波性能。     

基于噪声检测的激光光斑图像去噪方法

基于受污染图像的噪声检测,提出了一种有效的椒盐噪声图像混合滤波算法。首先利用可自适应变化的矢量窗口检测噪声,并对检测到的噪声进行分类,然后采用所提出的伪加权中值滤波和伪加权均值滤波两种算法对图像进行混合滤波,最后加入背景阈值和孤立噪点修正量对滤波后的图像进行灰度修正。提出的方法对不同椒盐噪声强度下的激光光斑图像均体现出优异的滤波性能,去噪和边缘保持性能得到了较大提高,优于传统的中值滤波、均值滤波及其一些改进算法。     

基于图像统计信息的去椒盐噪声算法

本文主要介绍一种基于图像统计信息的去噪算法,主要利用图像中心像素邻域的均值和方差来消除图像中椒盐噪声的影响。首先,介绍了这种算法的基本原理;然后,分别应用中值滤波算法、自适应中值滤波算法以及本文的算法对有椒盐噪声污染的图像进行滤波,并对实验结果进行比较和分析;最后,文章对这种算法的复杂度进行了计算分析,并将其和中值滤波算法以及自适应中值滤波算法的复杂度作比较,并对这种算法的合理性进行了分析与总结。     

一种新型的自适应模糊中值滤波算法

针对传统中值滤波算法不能很好地保护图像细节以及受严重噪声污染时性能急剧下降的情况,提出了一种新型的自适应模糊中值滤波算法。通过比较滤波窗口内像素点的灰度值与像素点灰度值的均值定义了模糊滤波系数,利用此模糊滤波系数对滤波方法进行加权,得到一种加权中值滤波器。通过对小窗口内的灰度值不等于最大灰度值和最小灰度值的像素点的检测自适应调整窗口大小,对超过设定的最大窗口的情况,噪声点的灰度值用四个相邻的已处理的像素点灰度值的均值进行替换。仿真结果表明,新算法具有较好的细节保护能力和较强的去除噪声能力。     

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。     

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。