一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

一种基于灰色关联的去椒盐噪声滤波算法

利用灰色关联理论结合开关滤波策略的思想,提出了一种基于灰色关联的去椒盐噪声算法。算法采用开关策略,对于噪声点,选取3×3滤波窗口内的非噪声像素,利用灰色关联度计算各像素的加权值,将各非噪声像素加权后替换噪声点像素值,得到滤波图像。仿真实验证实,该算法不仅有效抑制了图像中的椒盐噪声,而且较好地保持了图像的边缘细节,滤波效果明显优于传统的滤波算法。     

去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

基于邻域信息的噪声图像的恢复

噪声图像的恢复是影响图像信息提取的一个重要因素。主要针对现存的噪声图像恢复算法在消除细线及椒盐噪声方面的困难,基于待检像素的邻域信息提出了一种针对细线和椒盐噪声感染的图像的恢复算法。实验结果表明,文中所提算法不仅具有很好的抑制细线及椒盐噪声的效果,而且有效地保存了图像的细节与结构信息,同时对其它的噪声也有一定的抑制作用。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

基于相关度量的高椒盐噪声软阈值直方图滤波算法

利用图像邻域相关和直方图对椒盐噪声的鲁棒性,提出了一种针对高椒盐噪声图像的软阈值直方图加权滤波算法.对邻域灰度相关进行了量化分析,定义了灰度相关函数作为信号邻域相关性的度量,并将该系数作为直方图加权滤波算法的软阈值,根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失.仿真结果表明,对于高椒盐噪声图像,本算法在椒盐噪声滤除方面有良好的表现.     

快速高效去除图像椒盐噪声的均值滤波算法

针对常见滤除椒盐噪声算法需要使用阈值、运算时间长、去除噪声效果不理想等缺陷,提出了一种快速高效去除图像椒盐噪声的均值滤波算法。新算法对滤波窗口下的疑似噪声像素,有针对性地选择少数信号像素构成信号像素集合,取集合中的元素均值对疑似噪声像素进行滤波。实验结果表明,对于噪声密度为1%到99%的图像,新算法均具有良好的去除噪声能力和保持细节能力,而且整个算法耗费时间很少,因而具有较大的实用性。     

一种高效去除椒盐噪声的中值滤波方法

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．     

基于先验知识的椒盐噪声动态去噪算法

椒盐噪声产生于图像的传输过程,对后续图像处理有较大的干扰。虽然中值滤波类的方法被证明对椒盐噪声有不错的处理效果,但图像中边缘信息模糊严重。为此,提出了一种基于局部像素点的值关系的椒盐噪声去噪算法,该算法先用椒盐噪声的特点对噪声点定位,然后用局部像素值之间的线性关系对图像窗口滤波。用峰值信噪比与基于开关的自适应中值滤波的对比实验结果证明,使用本文的方法不但信噪比优于对比算法,而且更好地保护了图像的边缘信息。     

高密度椒盐噪声图像开关自适应滤波算法

针对现有算法普遍对高密度椒盐噪声滤波不足的问题,提出一种自适应高密度椒盐噪声滤波算法。该算法首先在分析窗口中确定信号点与可能的信号点分布情况并据此进行噪声检测,然后计算出图像的噪声密度。对于低密度椒盐噪声图像采用邻域信号点均值滤波方法,对于高密度噪声图像（噪声密度大于30%）,则根据窗口中信号点的分布情况采用加权迭代滤波方法。实验结果表明,本文算法比其他算法具备更好的去噪能力,尤其在较高密度（90%）噪声情况下与其他算法相比获得的峰值信噪比（PSNR）仍高出10 dB左右。     

基于细节保留的椒盐噪声自适应滤波算法

针对灰度图像中椒盐噪声的特点,提出了一种更加精确的噪声检测方法:该方法利用滤波窗口内像素点灰度值的不同,将受椒盐噪声污染的图像中像素点划分为噪声点,疑似噪声点和信号点.通过设定阈值,并参考相邻像素点的相关性来进一步区分疑似噪声点,最终建立噪声标记矩阵.对于被标记的噪声点,采用自适应滤波算法,保留更多的图像细节.仿真结果表明,该算法在除去噪声点的同时,对于边缘细节也有非常好的保护作用.     

基于差分法的噪声检测和变分法的图像滤波算法

针对图像的椒盐噪声滤除算法中,在噪声检测阶段对噪声点的检测通常不够准确,在噪声恢复阶段,又缺乏对边缘信息的保护,文中提出了一种两步复原法,以用于复原被脉冲噪声破坏的模糊图像。算法将滤噪过程分为噪声检测和噪声恢复阶段。噪声检测过程中,在滑动窗口扩大当前的像素值和其他像素值之间的有序差异,来确定当前像素是否为噪声像素。而在噪声恢复过程中利用变分法,确保图像的边缘和细节。实验结果表明,文中所提检测、降噪方法在噪声密度较高的情况下,优于其他算法。     

Fast switching based median–mean filter for high density salt and pepper noise removal

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%.     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

X射线环焊缝图像降噪及增强方法研究

为了降低X射线焊缝图像中的椒盐和高斯混合噪声,在结合中值和均值滤波优点的基础上,提出一种基于噪声强度概率识别滤波器,首先对两种噪声分离,然后根据像素点受噪声污染的概率大小,选择不同的滤波窗口,这样既保留了图像的细节又有针对性的除去了噪声;在增强部分,提出一种非线性图像增强方法,具有自动针对焊缝区域增强而非背景区域,可以...     

一种改进型椒盐噪声滤波算法

针对极值中值(EM)滤波算法在去除椒盐噪声时误检率较大的问题,提出了一种改进的椒盐噪声去除算法.算法由漏检率和误检率都较低的噪声检测过程和多窗口噪声滤波过程组成,对受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值(SM)滤波法及其一些改进方法,当噪声率达到70%时其峰值信噪比(PSNR)提高了16 dB.     

基于脉冲耦合神经网络的椒盐噪声滤波

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法.首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法.然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波.仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势.     

Efficient decision based algorithm for the removal of high density salt and pepper noise in images

In this paper, an efficient decision based scheme is proposed for the restoration of grayscale and colour images that are heavily corrupted by salt and pepper noise. The processed pixel is examined for 0 or 255; if found true, then it is considered as noisy pixel else not noisy. If found noisy the four neighbours of the noisy pixels are checked for 0 or 255. If all the four neighbours of the corrupted pixel are noisy, the mean of the four neighbours replaces the corrupted pixel. If any of the four neighbours is a non-noisy pixel, calculate the number of corrupted pixels in the current processing window. If the count is less than three then the noisy pixel is replaced by an unsymmetrical trimmed median. If the current window has more than three noisy pixels, then unsymmetrical trimmed mean replaces the corrupted pixels. If all the pixels of the current processing window are noisy then instead of unsymmetrical trimmed mean, global mean of the image is replaced as output. The uncorrupted pixel is left unchanged. The proposed algorithm is tested on various grayscale and colour images and found that it gives excellent PSNR, high IEF and lowest MSE. Also it consumes average time with excellent edge preservation even at higher noise densities. The quality of the results of proposed algorithm is superior when compared to the various state of the art methods.     

基于加权网络和OWA算子的图像椒盐噪声滤除算法

用加权网络对图像进行建模,可以有效地表示图像的结构特征,其中网络单个节点的点强度集成了节点本身与其它点连接的边数和强度信息。为了发挥结构信息和统计信息在图像分析中的作用,用加权网络对图像进行表示。根据噪声像素与周围像素差异性大的特点,将噪声检测问题转化为搜索网络中具有最小点强度的节点问题。采用有序加权平均（OWA）算子...     

A Decision Based Neighbourhood Referred Asymmetrically Trimmed Modified Trimean for the Removal of High Density Salt and Pepper Noise in Images and Videos

A Decision Based Neighbourhood Referred Asymmetrically Trimmed Modified Trimean for the Removal of High Density salt and pepper noise in Images and videos is proposed. The proposed algorithm initially checks for the outliers in a 3?×?3 neighbourhood. If the processed pixel is noisy then check for the presence of noisy pixels with the 4 neighbours; If the 4 neighbours are found to hold outliers then mean of the 4 neighbours will replace the output. If the 4 neighbours are not noisy then the output is replaced by asymmetrically trimmed Modified Trimean. If all the pixels of the current processing window are noisy then the mean of all elements will replace the processed pixel. If the processed pixel does not hold the outlier then the pixel is termed as not noisy and left unaltered. The proposed algorithm exhibit excellent noise elimination capability with enhanced edge preservation capability. The algorithm was tested on a standard database and the results of the proposed algorithm were compared to 16standard and existing algorithms. The proposed algorithm exhibit excellent results in terms of both Quantitative and qualitative measures.