一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

小波变换结合MIVP识别图像脉冲噪声的研究

提高脉冲噪声的识别率是提高去除脉冲噪声效果的关键。利用小波变换检测信号奇异点的原理,小波变换可用于识别信号中的脉冲噪声。实验表明,在小波变换识别数字图像的脉冲噪声时,由于将受到脉冲噪声污染的像素点判别为未受脉冲噪声污染的像素点的误判率较高,影响了小波变换识别脉冲噪声的整体精度。为了有效解决这一问题,提出了一种基于统计理论的数字图像脉冲噪声统计量识别法称之为MIVP法,可以弥补小波变换误判噪声点为非噪声点的不足。以小波变换结合MIVP法为基础构成图像脉冲噪声滤波器,在不增加时间复杂度的条件下,有效提高了脉冲噪声的滤波效果。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法.利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类.然后将可能的噪声点进一步细分为边缘点、噪声点和信号点:利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波.经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果.     

基于量子测量算子的噪声可信度滤波

传统图像去噪方法存在失真问题,造成失真的主要原因有：(1)在去噪的过程中把噪声点的影响分散到其邻域内;(2)对相应点没有判别其是否是噪声点;(3)判别噪声点不准确,将非噪声点误判为噪声点。针对这3个主因给出相应优化方案,通过生成测量算子及噪声可信度确定噪声点及其邻域内的噪声点。仿真实验结果证明,与中值滤波方法相比,该方法具有更强的去噪能力,能够达到防失真的目的。     

限制型自适应SUSAN边缘检测算法

对于边缘检测中传统SUSAN(smallest univalue segment assimilating nucleus)算法,固定门限会将非边缘点划入核值相似区(univalue segment assimilating nucleus, USAN),并经过单一阈值判断,非边缘点易被误判为边缘点,导致算法的低鲁棒性.针对此问题,提出了结合自适应门限算法和阈值选择策略的限制型自适应SUSAN算法.首先,分析SUSAN算法优缺点,根据USAN特点以及同异侧噪声容忍度范围设置阈值选择策略,减少误判并提高噪声鲁棒性;然后采用与USAN内像素值正相关的自适应门限算法,进一步增强边缘检测能力.在标准测试图像以及不同类型噪声的经典灰度图中实验结果表明,相比于传统SUSAN算法和Canny, Prewitt, Sobel, LoG, Roberts等边缘检测算法,该算法在客观图像评价指标FSIM值,PFOM值和准确率上均高于其他算法;而在主观视觉上,在无噪条件下能够更好地抑制纹理区域像素干扰,检测边缘更完整丰富.特别是在大量噪声干扰导致其他算法均失效的情况下,该算法在抑制噪声的同时,仍能有效地检测出图像边缘.     

基于模糊逻辑的脉冲噪声自适应滤除

为了去除具有多个随机值的普通脉冲噪声,提出一种基于模糊逻辑的自适应去噪方法。首先,利用像素邻域梯度并结合模糊逻辑相关理论进行噪声点初步检测;然后,通过噪声直方图统计对噪声点作二次检测,排除误判的噪声点;最后,保留非噪声点,对噪声点进行自适应加权均值滤波,滤除噪声。仿真结果表明,该算法可以取得优于传统方法的去噪效果,并且能很好地保护图像的边缘和纹理信息。     

一种分类迭代保边缘图像去噪算法

针对图像处理过程中去噪与保边缘这一矛盾,提出了一种分类迭代保边缘的图像去噪算法。该算法充分考虑到不同密度的脉冲噪声产生的噪点分布特性,将噪声分为连续性噪声和非连续性噪声,采用大小不同的2~3个模板对原始图像迭代运算,进行噪声点恢复。利用该算法对添加有不同密度噪声的图像进行处理,结果表明,该算法在有效恢复噪声点的同时,能够很好地保留图像边缘细节信息,解决了传统算法存在滤波和保边缘的矛盾冲突,与传统滤波算法比较,该算法的峰值信噪比及去噪后图像与原图像的整体相似程度均优于传统算法。     

基于局部能量的改进开关中值滤波

针对脉冲噪声感染的图像,借鉴开关滤波的思想,提出了一种新的改进算法。该算法通过分析Max-min噪声检测算子的图像灰度局部极值点的误判缺陷,在极值检测的基础上,增加了由局部能量信息为判别依据的第二级噪声检测过程,实现了对噪声的精确检测。同时,在去除噪声时只利用信号点参与中值滤波,并让噪声点逐步转化为信号点,减少了噪声在邻域的传播。实验表明,该算法对脉冲噪声具有很好的噪声滤除和细节保护能力,与传统中值滤波及其他开关滤波算法相比,该算法具有更优的滤波性能,即使是在噪声密度较高的情况下,也能取得令人满意的效果。     

基于噪点检测的中值滤波图像去噪方法

图像去噪是图像处理中一个非常重要的环节。针对传统中值滤波方法存在的不足,提出一种新的基于噪点检测的自适应中值滤波图像去噪方法。该方法通过自适应地改变滤波窗口的大小,局部检测并判断极值点是否为噪声点,有效地降低了非噪声点误判为噪声点的概率。实验结果表明,该方法能够更有效地去除图像中的噪声,并较好地保持图像细节和边缘。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

椒盐噪声的一种滤波算法

椒盐噪声的滤波一般以中值滤波为基础,有多种滤波方法。文章根据椒盐噪声点所处区域不同,采用不同的处理方法：对非边缘噪声采用均值滤波,对边缘噪声点采用最小值,增强边缘;并对非噪声区域保持原值。该算法具有较好的滤波效果,并对细微边缘有较好的保护作用。     

一种基于小波的轮廓特征提取算法

从大量含有噪声的3维点云数据中提取实物的边界特征,在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高重建精度,需要首先对大量原始散乱数据进行除噪及精简处理,但常规的数据处理方法由于没有区分噪声和特征点,因而使重建精度大大降低。为了准确的进行轮廓特征提取,提出了一种基于小波变换的激光测量扫描表面轮廓特征提取算法,并通过严格的理论推导,构造了一种类似m exh小波的小波基用来对两种边界特征点进行检测。多次实验结果显示,该算法不仅有效地避免了噪声和冗余数据的干扰,较精确地定位到了边界特征点,而且通过重建原始数据,较准确地提取了3维实体的外形轮廓,同时也为实现冗余数据的精简提供了一种新思想。     

合理利用空间信息的MRI脑部图像分割

在合理利用空间信息的基础上,提出了一种更准确,紧致性和分离性更好的分割算法。该算法首先定义一个空间函数,并在其中引入一个控制参数,该参数可以对噪声点、边缘点以及区域内部的点进行区别对待,然后用空间信息更新隶属度。实验结果表明,该算法效果要明显优于sFCMpq算法及其改进算法(EsFCMpq)。     

基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

基于变差函数和方向小波的噪声图像边缘检测方法

为了检测受噪声污染图像的边缘,提出了一种基于变差函数和方向小波的多尺度边缘检测新方法.首先,在我们前期研究成果的基础上,基于变差函数理论,提出了图像中45度和135度方向边缘的判别准则.然后根据图像中边缘的方向性,选择合适的方向小波旋转参数,再利用方向小波对各个子区域进行不同尺度小波变换.仿真实验表明,对于受高斯白噪声污染的图像,所提出的边缘检测方法无论在边缘定位的准确性还是在去除伪边缘点方面,均优于传统的小波边缘检测方法.     

基于象素分类思想的自适应图像去噪算法

提出了一种基于象素分类的自适应滤波去噪方法。在一副图像中,平坦区域的方差较小,边缘和脉冲噪声存在的区域方差较大。根据方差的不同,对不同区域的中心象素分类,并采用不同的滤波方式。本文提出的方法,考虑到图像边缘特征细节的保留和整体噪声的消除,用归类的思想,在分类即细节的保留后,进一步对相同类中的象素点进行平滑去噪。这样可以使边缘点和非边缘点分开来,从而最大限度的保留图像的细节信息。     

基于EPF最大互相关配准的机械臂目标识别方法

针对工业机械臂在复杂背景下多目标并存识别问题,提出一种基于边缘势场函数最大互相关匹配算法。该算法引入边缘势场函数(edge potential function,EPF)理论计算目标图边缘点的势场函数,有效地利用了复杂结构中单边缘点的联合效用,并在特征点变换模型约束下采用最大互相关相似性度量完成同名控制点的建立与目标配准定位。仿真实验表明,该算法对因成像条件引起噪声旋转的复杂背景图像识别效果良好,精准度高于传统相关匹配算法。     

结合MNF变换和Canny算子的遥感影像变化检测

针对大面积区域的多时相遥感影像变化检测的需求，提出了一种基于最小噪声分离（MNF）的Canny边缘检测提取影像变化信息的检测方法。对多时相影像采用多种变换组合成具有多维波段信息的影像，采用最小噪声分离法分离噪声并得到单波段差异图，通过Canny边缘检测法计算梯度幅值，采用高低双阈值法细化边缘，从而提取差异图变化边缘，有效突出了变化信息。以1995年和2003年加扎勒河的两期遥感影像为例，利用两时相影像进行土地覆被变化检测。实验结果表明，该方法适用于监测大面积区域内地物的突变情况。在数据基础上进行最小噪声分离可以有效解决传统Canny边缘检测提取边缘时造成的伪边缘现象，同时采用高低双阈值法有效去除伪边缘点，从而获得更加精确、直观的变化检测效果，在自然地理变化监测、地理国情灾害监测等有很好的应用价值。