共查询到17条相似文献,搜索用时 125 毫秒
1.
2.
为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。 相似文献
3.
提出了一种基于先检测、后滤波的椒盐噪声滤除算法.将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点.信号点不做任何处理,以保留更多的图像细节.而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0.然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理.实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节.在不同噪声率下均优于标准中值(SMF)滤波法及其一些改进方法,在噪声密度为10%~90%其峰值信噪比(PSNR)平均提高6dB. 相似文献
4.
为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。 相似文献
5.
6.
7.
8.
9.
一种基于灰色关联度的椒盐噪声滤波算法 总被引:1,自引:0,他引:1
针对中值滤波算法在去除椒盐噪声时峰值信噪比(PSNR)提高有限和细节保持能力不佳的问题,提出了一种基于灰色关联度的两步式双阈值椒盐噪声滤波方法。第一步通过窗口中各像素的灰色关联度与阈值T1的比较识别出被噪声污染的点;第二步将窗口中所有点的灰色关联度与软阈值疋(中位值)进行比较,选取灰色相关的正常点来恢复出被噪声污染的点。实验结果表明:在噪声率较高的情况下,该算法提高了图像峰值信噪比,改善了图像的主观效果。 相似文献
10.
11.
12.
《AEUE-International Journal of Electronics and Communications》2014,68(12):1145-1155
This paper proposes a fast switching based median–mean filter for high density salt and pepper noise in images. The extreme minimum value and extreme maximum value of the noisy image are used to identify the noise pixels. In the filtering stage, the corrupted pixel is replaced either by median value or mean value based on the number of noise free pixels in the filtering window. The qualitative and quantitative results show that the proposed filter outperforms the other switching based filters namely ACWMF, PSMF, AMF, DBA and MDBUTMF in terms of noise removal and edge preservation for noise densities varying from 10% to 90%. 相似文献
13.
14.
严重椒盐噪声污染图像的非线性滤波算法 总被引:19,自引:2,他引:17
针对灰度图像的椒盐噪声滤波问题,提出一种保细节的非线性滤波算法。利用局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点3类,建立噪声标矩阵;然后再根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点3种类别,并分别采用不同的方法进行滤波,以保留更多的图像细节。结果表明,本文算法在去噪能力、自适应性以及保留细节等方面都明显比其它4种算法强,尤其是对于噪声高度污染图像的情况。 相似文献
15.
16.
基于人眼视觉特性的自适应中值滤波算法 总被引:1,自引:0,他引:1
为了在滤除图像椒盐噪声的同时能很好地保持图像的细节,提出了一种基于人眼视觉特性(HVS)的自适应中值滤波算法.该方法首先采用基于HVS的噪声敏感系数作为阈值来确定噪声点,然后自适应调整滤波窗口大小,采用迭代中值滤波对噪声点进行滤波.该算法与标准中值(SM)滤波及其它改进中值滤波算法相比,具有更好的滤波性能. 相似文献