图象中心加权中值滤波的改进与应用

中心加权中值滤波具有较好的边缘保持特性及快速实现的特点，但滤噪能力低于其它中值滤波。此文探 讨对中心加权中值滤波的改进方法，提出了中心加权分级实现的思想，使之同时具有边缘保持、快速滤波和噪声去 除的理想效果。     

一种新的加权中值滤波的快速算法

针对中值滤波排序工作量多、速度慢等缺点，提出了一种新的加权中值滤波快速 算法。把窗口内元素分为小于、等于和大于中心元素的3类并分别统计这3类的个数，同时 构 造两个数组分别放入小于和大于中心元素的元素值，对每个类元素进行比较后可确定输 出中 值的确切位置，因此可根据局部排序找出输出中值，这样可大大减少排序的次数，加 快了处 理速度。最后，对快算算法和标准中值滤波的传统算法进行了比较，给出了二组实 验数据。 实验结果表明，与传统算法相比，该算法的执行速度大大加快。通过选择适当的 权值，加权 中值滤波可代表标准中值滤波和其它一些中值滤波，因此该快速算法有较强适 应性。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法,该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序位上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度,提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法．该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序住上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度。提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

一种自适应加权中值滤波方法的研究

针对传统加权中值滤波器在中心像素的权值选择上难以确定的问题,提出一种简便的改进型中值滤波算法.综合灰度图像的聚集特征和空间特征,构造图像的二维熵,结合传统加权中值滤波算法,设置滤波算法流程,通过观察图像二维熵的变化,合理改变中心像素的权值,以达到对噪声图像进行适度地平滑的目的,既滤除噪声又较好地保留了图像的细节.实验结果表明,新的滤波算法优于传统的中值滤波算法.     

一种彩色图像滤波的改进矢量中值滤波算法

通过分析彩色图像滤波的一般方法，提出了一种基于矢量中值滤波的改进算法。该算法融合了线性均值滤波和非线性矢量中值滤波两种方法，大大降低了运算复杂度，同时对脉冲噪声和高斯噪声有好的抑制作用，能有效地保护图像的边缘信息，滤波后不会出现新的颜色。另外本算法的运算复杂度随着滑动窗的增大而缓慢增加，使其能够达到滤波效果和运算复杂度的有效平衡。     

一种改进的中值滤波算法

通常 ,大部分自然图像中同时存在颗粒噪声和高斯噪声 ,而单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题 ,L ee和 Kassam提出了一种改进的均值滤波算法 Modified Trim med Mean(MTM) ,虽然 MTM算法的滤波效果相对于传统的平滑算法已有了很大的改善 ,但是 MTM的滤噪能力在很大程度上受到了阈值的限制。在分析 MTM算法和传统平滑算法结构特点的基础上提出了一种改进的自适应中值滤波算法。该算法对含有混合噪声的图像上每一点的 N× N区域应用自适应算子。对于不同的图像区域 ,算子也相应地有所不同 ,其中算子中的权值选取依赖于区域的灰度中值 ,且当某点的灰度越接近灰度中值 ,其权值就相应地越大。实践证明 ,新算法的处理结果优于传统的滤波算法和 MTM滤波 ,且没有阈值限制     

图像快速自适应加权中值滤波

中值滤渡由于可对随机噪声起到良好的去除效果因而在信号恢复中得到了较为广泛的应用.本文提出了一种新的快速自适应加权中值滤波算法以提高中值滤波算法的性能.该算法通过噪声检测确定图像被污染的程度.再根据污染情况选取不同的加权值.为提高中值滤波的速度,作者基于数组分布范围有限这一特征提出一种多级分阶的统计直方图中值求解方法.实验证明该算法在抑制噪声的同时也能较好地保护细节信息,并且能有效地提高标准中值滤波的速度.     

中值滤波的快速算法

利用矩形相邻窗口间的相关信息，提出了中值滤波的快速算法。该算法可将传统算法的复杂度O(n^2）简化为O(n），运算速度大大提高。     

修剪中值检测的自适应加权中值滤波算法

针对现有算法在噪声检测与噪声滤除性能上的缺陷,提出修剪中值检测的自适应加权中值滤波算法。算法利用噪声的灰度特征,根据灰度最值0和255检测噪声,再根据邻域像素的相关性以及在灰度上的近似性,做进一步的噪声检测。根据邻域像素之间的相关性随距离的增大而减小的特性,对邻域中的信号像素分别赋予不同的加权系数,取加权中值以滤除噪声。算法去噪的邻域大小,随噪声密度和分布自适应地变化。通过去噪图像的主观视觉效果以及客观的去噪性能指标PSNR(peak signal to noise ratio)和IEF(imageenhancement factor),仿真实验证明,所提出的算法相对于现有的算法具有更好的去噪性能,特别对于滤除高密度噪声,具有显著的优越性。     

快速中值滤波算法及其改进

本文首先引入了中值及中值滤波的概念,阐述了中值滤波非线性信号处理技术的原理及其重要应用。然后根据文献[1]提出的快速中值滤波算法思想,编制了PASCAL语言程序,并对窗口移动路线等进行了进一步的改进。改进后的程序在以IBM PC/XT为主机的数字图象处理系统上实现,结果表明,运行速度比传统中值滤波算法提高三倍多。     

新型快速中值滤波算法及在医学图像中的应用

医学图像的处理具有数据量大、实时性强的特点。而传统中值滤波(SM)算法需对滤波窗口内所有的元素完全排序后确定中值,算法的时间复杂度高,执行效率低,无法满足医学图像实时处理的需要。为提高中值滤波算法的执行效率,提出一种新型的快速中值滤波算法,将基于排序查找中值的过程转换为基于分治查找中值的过程,有效地避免了对中值滤波而言不必要的完全排序运算,降低了算法的复杂度;同时在分治查找过程中,利用医学图像未受干扰时图像中像素值的变化是渐变的特性,优先选用中心点附近的像素值进行分治查找,达到提高算法效率的目的。理论分析和实验结果均验证了该算法的可行性和有效性。实验结果显示,该算法提高了医学图像的滤波速度,增强了医学图像处理的实时性。     

自适应中心加权的彩色图像中值滤波方法

提出一种彩色图像自适应中心加权的矢量中值滤波方法。通过引入投影距离确定与待滤波点最接近的若干个像素的关系,并考虑该点与由聚合距离所确定的中值的关系,自适应地确定该点的权系数,形成相应模板下的一个多重向量集合,将该集合的中值作为滤波中值。实验证明所提出方法能有效地去除彩色图像的椒盐噪声,同时能够较好地保持其色调和细节信息。     

一种快速并行中值滤波算法的实现

介针对传统中值滤波算法计算量大、耗时较长的缺点提出了一种快速并行中值滤波算法。对于3×3滑动窗口,窗口的9个数据是并行传给计算比较模块的,第二级的计算也是并行进行的。新算法有效减少了重复比较操作的执行,同时也大幅减少了比较次数。对于3×3滑动窗口,新算法的比较次数为13次,相对于传统中值滤波的30次,比较次数少了2倍多。比较次数的减少,意味着算法复杂度的降低和图像滤波处理速度的提高。并且通过仿真实验可知,对于椒盐噪声的滤除,算法能够达到与中值滤波同样的视觉处理效果。     

中值滤波均值快速算法在高光谱图像处理系统中的应用

文章提出了一种中值滤波均值快速算法，介绍了该算法的设计思路、算法流程、基本运算步骤、实验设计与效果及与经典算法的比较情况。该算法利用数据窗口中的位置关系并考虑了相邻的两个中值滤波窗口内信号数据的相关性，在运算过程中，保留前面窗口内数据的排序信息，作为下一个窗口内数据排序的参考依据。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行，减少了中值滤波过程中比较运算的次数，该算法可将传统算法的复杂度O(n^2)简化成O(n)，同时将均值滤波与中值滤波有机结合起来，将两个独立的算法有机地融合成一种算法，从而有效提高运算速度，也减少噪声对图像的影响。     

用于图像处理的加权中值滤波算法

提出了一种基于相似度函数的自适应加权中值滤波算法.该方法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,并根据相似度大小,巧妙地将滤波窗口内各个像素点自适应分组并赋予相应的权重,最后对检测出的噪声点进行加权中值滤波.计算机模拟实验结果表明:该算法既能有效地滤除噪声,又能较好地保护图像细节,比标准中值滤波具有更优良的滤波性能.     

一种中值滤波的快速算法

提出了一种中值滤波的快速算法。与中值滤波的传统算法相比较，该算法的特点是考虑到了相邻的两个中值滤波窗口内信号数据的相关性。在运算过程中，保留前面窗口内数据的排序信息，作为下一个窗口内数据排序的参考。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行，从而减少了中值滤波过程中比较运算的次数，很大程度上提高了运算效率。     

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。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。