基于局部滤波模板的双边滤波算法研究

双边滤波器是一种以高斯核为基础的具有图像边缘保留和噪声滤除双重滤波作用的滤波器,能同时兼顾各像素值几何上的临近信息和亮度上的相似信息.为了进一步增加双边滤波器的保边作用,在传统双边滤波器的基础上,结合图像的梯度信息,将传统滤波模板改进为局部滤波模板,使图像自适应地在给出的滤波模板中选择较优模板进行滤波.实验结果证明,改...     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

双边张量滤波

针对双边滤波去噪时将像素亮度差别大的噪声边界当成图像边缘保留的问题,提出了双边张量滤波算法,该算法在双边滤波的基础上,利用图像的局部结构各向异性程度和像素亮度相似度,自适应地构造图像结构保留函数,将该函数取代双边滤波的边缘保留项,使滤波器在边缘区域沿着平行于局部结构的方向滤波而在平缓区域近似退化为各项同性滤波,保护图像...     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

自适应M滤波器及其噪声图象滤波

为了滤除多种噪声,保持图象边缘,本文在稳健统计理论基础上,提出一种新的稳健非线性滤波器——自适应M滤波器。重点研究M滤波器的滤波特性,边缘保持特性和滤波参数的自适应性。在一维和二维含有尖锐边缘的噪声信号滤波中,评价了自适应M滤波器的性能。理论分析和实验结果表明,自适应M滤波器在噪声滤波和边缘细节保持方面均优于中值滤波器、滑动均值滤波器和α-裁剪均值滤波器。还研究了最大/最小估计滤波器(M)、广义排序统计滤波器(L)和秩排序统计滤波器(R)三类著名非线性滤波器的内在关系,得到一些有意义的结果。     

一种尺度自适应Canny边缘检测方法

作为最优边缘检测算子,Canny算子在线性滤波及选取阈值方面具有一定的局限性.在其基础上,采用尺度可变的自适应高斯滤波器进行滤波,通过计算滤波器各滤波窗口内像素点灰度值的均值,以及该均值与当前像素点灰度值的差值,确定滤波窗口的平滑度,并将其作为高斯函数尺度的大小,在滤除噪声的同时确保了边缘信号不被平滑掉;同时采用基于简单统计法及梯度阚值法的双阈值分割方法检测经过非极大值抑制的梯度幅值图像的边缘.实验结果表明,该方法能够有效滤除噪声,且假边缘及丢失边缘的数量都比Canny边缘检测的少.     

针对多重退化因素的印刷图像复原方法

目的对于由多种因素所导致的印刷图像退化问题,文中提出一种针对椒盐噪声、高斯噪声和模糊退化等多重退化因素的图像复原方法。方法首先针对印刷图像椒盐噪声密度不高的特点,设计一种基于灰度范围准则和局部差别准则的椒盐噪声二级检测和滤除方法,并通过评价实验得出合适的阈值参数设置。在去除高斯噪声和图像模糊的过程中,利用边缘保持平滑滤波的原理和特性,将双边滤波器和引导滤波器应用于图像复原中,又在此基础上设计和应用图像细节增强的二次引导滤波器。结果在椒盐噪声去除方面,新方法对大部分图像都能取得较好的复原效果,尤其对细微边缘不多的图像效果最佳,复原后的PSNR值能达到40以上。二次引导滤波器对高斯噪声和图像模糊的复原效果最好。结论通过对不同图像复原方法的效果进行评价和分析,验证了文中方法的性能,为今后图像复原技术的应用提供了指导。     

图像去椒盐噪声滤波器的研究

在图像平滑过程中,如何滤除噪声同时保护图像的细节是一个研究热点.本文提出并设计一种将十字窗和叉形窗有机结合的多窗口自适应中值滤波器(MWMF滤波器),可根据窗口内图像自身的形状,自适应地选择十字窗和叉形窗.在比较多窗口自适应中值滤波和形态滤波这两种滤波器的优缺点之后,还提出并设计了非线性组合滤波器.实验表明该滤波器滤除椒盐噪声的效果优于单独使用中值滤波或形态学滤噪,在椒盐噪声概率超过0.2时优势尤为明显.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

基于属性直方图的迭代自适应图像处理算法

针对滤除图像中噪声与增强有用信息的问题，提出了一种基于自适应权值的误差传递的迭代圈像滤波增强算法．该方法同时利用了图像中像素点间的结构邻接关系和灰度差异信息，使得权值更加合理。图像分割闷值的计算采用属性直方图的Otsu方法．仿真结果验证了该算法的有效性。     

自适应图像增强的管道机器人缺陷检测方法

针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题, 提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex自适应图像增强算法, 利用引导滤波对图像进行照度分量估计, 经自适应Gamma矫正得到光照均衡图像, 实现自适应图像增强;再对传统Canny边缘检测方法进行改进, 采用双边滤波平滑图像, 通过迭代阈值法进行缺陷图像分割, 根据边缘像素相似性进行连接, 实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统, 利用履带式小车搭载云台摄像机, 对管道内壁缺陷进行全方位视觉检测。实验结果表明, 本文的检测方法可自适应矫正图像亮度, 图像亮度不均匀明显改善, 相比次优算法, 图像信息熵提升2.4%, 图像平均梯度提升2.3%, 峰值信噪比提升4.4%, 可有效提取出管道缺陷边缘, 缺陷识别准确率达到97%。     

闪光CCD图像的中值-非线性扩散滤波

根据闪光CCD图像的特点,提出了一种中值-非线性扩散滤波(Median-NonlinearDiffusionFiltering,简称MNDF)方法。该方法采用中值预滤波来估计图像的真实边缘,通过求解偏微分方程(PartialDifferentialEquation,简称PDE)来进行非线性扩散滤波,充分发挥了中值滤波和非线性扩散滤波的优势,能更好地消除噪声、保护边缘。实验结果表明,在高斯噪声和脉冲噪声同时存在的情况下,MNDF方法取得的滤波效果较P-M方案和Catte方案要好,信噪比改善因子提高3~5倍,均方误差减小1.3~2.7倍。对闪光照相CCD图像取得了很好的消噪声结果,保护了边缘信息。     

一种结合时间轴滤波的视频消噪新方法

为了提高含噪视频图像的质量,提出了一种二维小波域自适应滤波与时域时间轴滤波相结合的视频图像消噪新方法。首先,对视频序列的各帧在二维小波域中进行自适应滤波,之后在时域中进行时间轴滤波。对于二维小波域滤波算法,提出了一种高效的自适应阈值选取方案;时间轴滤波器则是结合了运动检测和递归平均。实验结果表明,其消噪效果要优于单纯的二维小波域滤波方法。     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

Image Denoising with Adaptive Weighted Graph Filtering

Graph filtering, which is founded on the theory of graph signal processing, is proved as a useful tool for image denoising. Most graph filtering methods focus on learning an ideal lowpass filter to remove noise, where clean images are restored from noisy ones by retaining the image components in low graph frequency bands. However, this lowpass filter has limited ability to separate the low-frequency noise from clean images such that it makes the denoising procedure less effective. To address this issue, we propose an adaptive weighted graph filtering (AWGF) method to replace the design of traditional ideal lowpass filter. In detail, we reassess the existing low-rank denoising method with adaptive regularizer learning (ARLLR) from the view of graph filtering. A shrinkage approach subsequently is presented on the graph frequency domain, where the components of noisy image are adaptively decreased in each band by calculating their component significances. As a result, it makes the proposed graph filtering more explainable and suitable for denoising. Meanwhile, we demonstrate a graph filter under the constraint of subspace representation is employed in the ARLLR method. Therefore, ARLLR can be treated as a special form of graph filtering. It not only enriches the theory of graph filtering, but also builds a bridge from the low-rank methods to the graph filtering methods. In the experiments, we perform the AWGF method with a graph filter generated by the classical graph Laplacian matrix. The results show our method can achieve a comparable denoising performance with several state-of-the-art denoising methods.     

基于自适应滤波的锂电池隔膜卷绕系统张力估计

锂电池隔膜卷绕系统的电机转速、放卷辊的卷材卷径和放卷张力等实时信号都带有高斯白噪声,易形成较大的滞后,从而导致控制系统的稳定性和精度降低。现以协方差匹配技术为滤波发散判据,再结合对于指数加权系数的表达式限定记忆滤波的次数,提高噪声初始值的分配权重,来保持滤波的自适应程度,提出一种基于改进型SageHusa自适应滤波估计张力的方法,实现对系统噪声协方差阵与测量噪声协方差阵的自适应变化。实验结果表明,所提出的方法不仅能更准确、稳定地估计出锂电池隔膜卷绕系统放卷张力,还能在一定范围内使其不受给定的噪声协方差阵初值影响,而且有较高的精度和较强的实时性,优于一般的扩展卡尔曼滤波算法。     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。