基于刚体模型的视频插值去噪算法

为充分利用视频的时空联系去噪,提出了视频的刚体模型.刚体模型以线性关系组织视频的像素,结合了像素间的时域和空域关联,可以通过主色调区域划分和边缘句法匹配获得视频的刚体分解及其对应关系.基于刚体模型的插值去噪利用像素值的空域邻近性和时域稳定性联合判断插值像素的参考价值.对常用测试视频的去噪实验表明了刚体模型的正确性,基于刚体模型的插值去噪方法在视觉效果和峰值信噪比上都表现出色.     

一种时空联合的视频去噪方法

传统的图像滤波器在模糊程度与去噪能力之间存在不可调和的矛盾。提出了一种基于时空域联合的方法,从视频的角度出发,同时利用信号的时域和空域相关性进行去噪,以解决这一矛盾。新方法首先通过一种基于自适应阈值、搜索方法切换的快速自适应运动估计方法获得运动轨迹,然后使用自适应窗口大小的中值滤波去除空域噪声,中值滤波中使用了运动轨迹上相邻两帧的对应窗口像素,使用一维卡尔曼滤波器行时域去噪,最后用几何均值结合两次滤波的结果,使信号的时域相关性与空域相关性都得到了充分利用。实验结果证明该算法去噪效果显著,超过了各种时域或空域方法,对椒盐噪声的处理效果尤其突出。实验也表明,由于新方法的时间消耗为时域滤波、空域滤波和运动估计时间的简单累加,因时空联合而增加的计算复杂度属于可接受的范围。     

红外图像的自适应混合消噪方法

针对带有高斯噪声和脉冲噪声的红外图像,提出一种自适应混合去噪方法。首先将受脉冲噪声和高斯噪声污染的像素区分开来,然后对被脉冲噪声污染的像素采用自适应层叠中值滤波法,对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明,该方法在信噪比(SNR)和最小均方误差(MSE)的改善上明显优于线性平滑滤波法和普通中值滤波算法,并具有较好的图像细节保护能力和较快的滤波速度。     

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。     

图像椒盐噪声的自适应滤波算法研究

为有效去除严重的椒盐噪声、更好地保护图像细节,提出了一种基于改进脉冲耦合神经网络（PCNN）的自适应去噪方法。根据PCNN神经网络的点火时刻矩阵,对受噪声污染的像素进行定位,仅对噪声像素进行类中值滤波,实现了图像细节的有效保留;根据噪声强度的估计信息,自动进行滤波次数和滤波窗口尺寸的优选,实现了图像的强自适应滤波。实验表明,与传统去噪方法相比,该方法噪声去除效果好,图像细节保持完整,而且系统具有一定的泛化能力。     

去除红外图像中脉冲噪声的双边加权中值滤波

针对现有方法在去除红外图像的脉冲噪声时,未能有效保持图像的边缘细节和纹理结构,提出了基于统计检测的双边加权中值滤波算法。算法根据脉冲噪声的取值和分布特征,用最小和最大像素值以及统计规律进行噪声检测;对检测出来的噪声像素,以多尺度的方式、自适应地用双边加权系数对邻域中的无噪像素和已经去噪处理的像素进行频次加权,然后取它们的中值作为当前噪声像素的估计值。其中双边加权系数自适应于距离邻近度与灰度相似度。实验结果表明,相对于部分现有方法,所提方法去噪所得的EPI和SSIM值更高,去噪图像的视觉效果更佳。     

一种简单的椒盐噪声滤波算法

文章提出了一种基于先定位、后滤波思想的椒盐噪声滤除算法。该算法根据噪声特点,将图像像素分为信号像素或可能的噪声像素两种类别,对于可能的噪声像素,采取去噪中值滤波算法进行滤波,而对于信号像素则不做任何处理,以保留更多的图像细节。文中给出了标准的中值滤波算法、极值中值滤波算法和该文的算法的比较实验,结果表明,该文算法对噪声高度污染图像的去噪能力明显比其它两种算法强,且能较好地保留图像细节。     

基于局部空间像素特征的自适应加权滤波算法

提出了一种新的基于局部空间像素特征的椒盐噪声自适应加权滤波算法。该算法首先对含噪图像逐点进行噪声检测,把所有像素分为含噪像素点和信号像素点;然后采用自适应加权滤波方法,对检测到的噪声点进行滤波,滤波权重由确定的数学公式来确定,自适应于滤波窗内临近像素的局部特征。实验结果表明,该算法不仅可以有效地除去椒盐噪声,又可以较好地保持图像边缘细节,尤其在噪声密度较大时,效果明显优于传统的中值滤波算法。     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像素采用均值滤波算法，而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。仿真结果证明，该方法更具有实用性和有效性。     

基于气泡稳定性分析的锌浮选泡沫图像时空联合去噪

浮选泡沫运动过程中不可避免地出现形变、坍塌、兼并、破裂等动态变化特性,常用的去噪方法难以获得高质量的监测图像.本文提出一种基于气泡稳定性分析的泡沫图像时空联合去噪方法.该方法采用扩展的相位相关法对浮选气泡进行亚像素运动估计,通过双线性插值进行运动补偿;在此基础上,以泡沫图像子块为单位检测气泡的稳定性,准确辨识出泡沫图像子块的稳定运动状态(SMS)和非稳定运动状态(UMS);对具有SMS特性的子块采用时域滤波去噪,对具有UMS特性的子块采用非局部均值(NLM)方法进行空域滤波去噪;并根据气泡子块的稳定性,联合时域滤波结果和空域滤波结果获得泡沫图像的时空联合去噪输出.在锌浮选过程监控中进行实验验证,结果表明,该方法可以获得高信噪比的泡沫图像,去噪结果结构相似性强,为泡沫视觉特征的准确提取奠定了基础.     

一种脉冲噪声图像复原算法

针对被脉冲噪声污染的观测图像提出了一种基于自相似灰度校正的自适应图像复原算法．该算法首先用有选择的中值滤波器对脉冲噪声进行抑制,然后利用图像的自相似性对像素值进行校正以克服中值滤波器造成的图像局部区域像素相关性增加对图像复原处理产生的不利影响．用规整化方法进行图像复原处理,并且使用在灰度校正过程中得到的竞争因子对图像局部区域的统计量进行加权来产生规整化参数,并使其在迭代过程中自适应的更新．实验结果表明,该算法获得的复原图像具有良好的客观评价指标和主观视觉效果．     

基于二级修复的多方向加权均值滤波算法

针对目前算法不能有效去除高概率的椒盐噪声并保护图像边缘和细节特征的缺点,提出了一种基于二级修复的多方向加权均值滤波算法。在噪声检测阶段,首先利用一个方差参数判断当前像素点与其邻域像素点之间的灰度差异程度,再通过将方差参数和灰度极值相结合的方法检测出图像中的椒盐噪声点。在噪声修复阶段,提出一种二级修复方法来修复噪声点的灰度值。首先利用改进的自适应中值滤波器对椒盐噪声点进行第一级噪声修复;然后利用方差参数将第一级修复后的噪声点划分为两类,并采用不同的修复方法对这两类像素点进行第二级噪声修复,一类像素点采用均值滤波器进行再修复,另外一类像素点采用多方向加权均值滤波器进行再修复。数值实验结果表明,所提算法的滤波性能和边缘保护能力均优于当下很多先进的滤波器。     

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。     

采用自适应四点窗中点滤波的高椒盐噪声滤除方法

针对当前中值滤波器处理图像高椒盐噪声效果不佳和实时性不强等问题,提出了一种快速自适应四点窗中点滤波（AFMF）方法。首先,为了降低计算复杂度,使用简单的极值方法检测噪声点;然后,摒弃传统的全点窗口,不用中值滤波,而是在开关滤波和裁剪滤波的基础上,采用新型的非线性滤波方法：中点滤波,简化了算法的流程,提升了算法的计算效率,提高了去噪效果;最后,从3×3窗口开始到由里向外推进,逐渐增大窗口,形成自适应滤波,一直到噪声点处理完,如此避免了窗口大小参数的设置。实验结果表明,与AMF、SAMF、MDBUTMF以及DBCWMF相比,AFMF在处理高密度椒盐噪声上不仅有更好的去噪性能、更快的运行速度（约0.18 s）,且无需设置参数,可操作性强,具有较强的实用性。     

一种变分自适应中值滤波算法

针对自适应中值和变分滤波方法脉冲噪声去除能力的不足,提出了一种新的变分自适应中值滤波方法。首先采用自适应中值滤波器对脉冲噪点进行标识,然后对标识的噪点构建由逼近条件和边缘保持正则化条件构成的代价函数,通过变分方法对代价函数寻优求解,对噪点进行恢复。最后进行了仿真试验,并与标准中值滤波,开关中值滤波,自适应中值滤波,和变分滤波方法进行了比较。试验结果表明,在信噪比和细节保留方面明显优于上述滤波方法,可以有效去除高达90%的脉冲噪声。     

迭代自适应权重均值滤波的图像去噪

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法（IAWF）。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比（PSNR）、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。     

基于先验模型的小波图象降噪方法

本文提出了一种基于小波系数先验模型的小波降噪技术。这种模型认为整个小波系数空间由服从零均值高斯分布的局部区域组成，具有空间自适应和局部化的性质，模型的参数可以利用实际观测数据(包含噪声成分)来估计。基于估计得到的小波系数先验模型可以设计小波域上的经验Wiener滤波器，并应用到图象降噪任务中。实验结果表明，此种
种方法可以取得比较好的降噪效果。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。该算法根据噪声点与周围信息的关联程度调整噪声点滤波值,从而更好地处理图像的细节部分。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,去噪效果相比其他方法更加优秀。     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。