基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

基于HSI颜色空间噪声检测的彩色图像去噪算法

目的为了有效去除彩色图像中的椒盐噪声,提高彩色图像质量。方法采用椒盐噪声检测和中值滤波相结合的方法,提出一种基于HSI颜色空间噪声检测的彩色图像去噪算法。将图像转换到HSI颜色空间,根据椒盐噪声在S通道具有极大值或极小值的特点判断出可疑椒盐噪声的位置,在H通道、I通道将可疑椒盐噪声分为噪声点和有用信号,对检测出的噪声像素进行中值滤波去噪。结果采用文中算法去噪后,验证图像主观评价值(Z)为1.30,平均PSNR为37.54,SSIM为0.99,Entropy为7.31,在主客观评价上优于现在常用算法。结论文中提出算法可以为彩色图像椒盐噪声的去噪提供理论基础,具有一定的实际应用价值。     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

去除脉冲噪声的自适应开关中值滤波

为消除图像中的脉冲噪声,提出了自适应开关中值(ASM)滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点两类。对检测出的噪声点统计其个数并由此估算图像中的噪声密度,根据估计的噪声密度自适应确定滤波窗口尺寸,采用改进的中值滤波对检测出的噪声点进行处理;而信号点则保留其灰度值不予处理。对ASM滤波进行仿真实验,结果表明,它能在有效去除噪声的同时很好地保护图像细节,较传统中值滤波及其它改进中值滤波算法有更优的滤波性能。     

基于噪声点多级检测的自适应中值滤波算法

针对传统中值滤波算法在图像去噪过程中造成较多图像细节信息丢失的问题,提出了一种基于噪声点多级检测的自适应中值滤波算法。该算法根据像素的空间相关性,逐级检测不同空间特征的噪声点。首先根据滤波窗口中相近像素点的数量来检测空间孤立的单个噪声点;然后通过扩展邻近窗口的方式检测空间连续的两个噪声点;接着进一步增加约束条件对空间连续的三个及以上的噪声点进行检测;最后对判断为噪声的像素用滤波窗口的中值替换。此外,该算法还能通过自适应地调整像素空间相关性判别阈值来处理不同分布特征的噪声。实验结果表明,与现有中值滤波算法相比,算法在有效滤除图像噪声的同时能更好地保护图像细节信息。     

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声.该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算.实验结果表明,...     

高速X射线线阵探测器噪声分析与滤波方法

对高速X射线线阵探测器的噪声进行了分析,将探测器噪声分为本底噪声、随机噪声、孤立噪点三种类型。通过实验,研究了随着探测器扫描速度增加,噪声的变化情况;分析了扫描速度越快噪声对探测器探测结果影响越大的原因。提出了一种适用于高速X射线线阵探测器的滤波方法:采用差值法滤除本底噪声;采用卡尔曼滤波器滤除随机噪声;采用根据噪声特点改进的中值滤波法滤除孤立噪点。实验证明,该方法既可以有效滤除探测器各类噪声,又能很好的保持探测器探测图像的细节。     

一种自适应的图像双边滤波方法

提出一种利用双边滤波的图像平滑滤波方法,即在滤除图像中高频噪声的同时,按照图像亮度变化保持图像中处于高频部分的边缘信息的自适应滤波过程。该滤波方法将传统的Gauss滤波器的权系数优化成Gauss函数和图像的亮度信息乘积的形式,优化后的权系数再与图像作卷积运算。这样,滤波时就可以考虑到图像的亮度信息,在滤除图像噪声的同时尽量保持了图像的边缘。由于双边滤波的方法可以使滤波器的权系数随着图像的亮度变化而改变,所以在滤波过程中能达到自适应滤波的目的。     

基于模糊理论的椒盐噪声滤波算法

针对图像中的椒盐噪声,基于模糊理论设计了一种滤波算法。首先分析了椒盐噪声的特点,给出了自适应的噪声检测方法,并对噪点设计了自适应的噪声消除方法,最后采用几幅图像进行实验,定性和定量分析结果表明该方法对于椒盐噪声的消除可行、有效。     

泡罩药品包装视觉检测系统图像滤波算法

目的有效滤除泡罩药品包装视觉检测系统中的图像噪声,以保证后续泡罩包装药品的图像分割、特征提取等任务顺利开展。方法分析引导滤波的数学模型,并在此基础上对其进行改进,提出一种自适应高斯引导的新型泡罩药品包装图像滤波算法。采用更加理性的参数优化算法,且用高斯窗口来代替传统的盒窗口。结果自适应高斯引导滤波算法能够有效滤除图像中的噪声,同时最大程度地保留原始图像中的边缘和细节等信息。结论该算法对后期泡罩药品包装的图像处理和分析有一定的指导意义。     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

彩色负片染料型黄滤色层

黄滤色层是确保彩色底片彩色还原真实和提高影像清晰度的一项重要组分。黄滤色层可由胶态金属银或特定的黄色染料构成，也可由两者组合而成。本文扼要介绍了各类黄滤色层的性能特点，并对其优缺点进行了比较。     

Removal of noise in MRI images using a block difference-based filtering approach

Magnetic resonance imaging (MRI) images are frequently sensitive to certain types of noises and artifacts. The denoising of MRI images is essential for improving visual quality and reliability of the quantitative analysis of diagnosis and treatment. In this article, a new block difference-based filtering method is proposed to denoise the MRI images. First, the normal MRI image is degraded by a certain percentage of noise. The block difference between the intensity of the normal and noisy MRI is computed, and then it is compared with the intensity of the blocks of the normal MRI image. Based on the comparison, the pixel weights are updated to each block of the denoised MRI image. Observational results are brought out on the BrainWeb and BraTS datasets and evaluated by performance metrics such as peak signal-to-noise ratio, structural similarity index measures, universal quality index, and root mean square error. The proposed method outperforms the existing denoising filtering techniques.     

一种椒盐噪声点的检测算法技术研究

针对中值滤波算法虽然能够在很大程度上改善噪声带来的影响,但是使图像边缘变得模糊这一问题,提出了一种检测椒盐噪声的新算法。使用该算法对图像进行噪声检测后再对噪声点进行中值滤波能够有效地去除椒盐噪声。实验证明该算法具有明显的去噪能力,且当椒盐噪声比较严重时,也能够取得较好的滤波效果。     

基于时频谱图的脉冲噪声抑制方法

从时频分析的角度,提出了一种新的音频信号脉冲噪声的处理方法。该方法基于被污染信号的时频谱图,通过区分纯净信号和脉冲噪声信号的频域特性与相关性来检测脉冲噪声。首次提出前后信息相关联的"限幅"噪声抑制方法,并利用带过滤系统的中值滤波方法分别对短时和暂态两种脉冲噪声信号加以抑制和消除。和信噪比相比,还进一步提出了四个指标专门用于评价去除脉冲噪声方法的性能。基于这四个指标,分析了如何调整参数以获得更好的检测和修复性能,并用大量仿真实验证实了这种新方法的有效性。最后给出了系统仿真结果,并指出了该方法的应用前景。     

Median Filtering Forensics Scheme for Color Images Based on Quaternion Magnitude-Phase CNN

In the paper, a convolutional neural network based on quaternion transformation is proposed to detect median filtering for color images. Compared with conventional convolutional neural network, color images can be processed in a holistic manner in the proposed scheme, which makes full use of the correlation between RGB channels. And due to the use of convolutional neural network, it can effectively avoid the one-sidedness of artificial features. Experimental results have shown the scheme’s improvement over the state-of-the-art scheme on the accuracy of color image median filtering detection.     

数字射线图像的滤噪方法

目的　研究射线图像中保持细节的滤噪方法 .方法　依据图像中噪声的特点 ,提出三种去噪方法 ,即差分梯度法、邻域比较法、σ滤波与邻域比较相结合 .结果　采用这些方法对射线图像进行处理 ,有明显的去噪效果 ,且保持细节 .结论　这些方法对于图像滤噪具有普遍意义 ,特别对于含有微小细节、颗粒脉冲噪声的图像更适合     

基于图像处理的药片包装视觉检测系统滤波算法

目的为了有效滤除药片包装视觉检测系统中的噪声,提升图像清晰度,保证后期图像分割、边缘处理顺利进行。方法针对药片视觉检测图像中存在大量不确定噪声,提出一种自适应模糊神经网络的图像滤波算法。在模糊神经网络结构中引入一个鲁棒性较强的隶属函数,并通过梯度下降法对模糊神经网络中的参数进行优化训练,利用优化后的网络结构对被噪声污染的图像进行滤波处理。结果仿真结果表明,该算法能够在保留较完整的图像边缘和重要细节的前提下,有效滤除药片中的噪声。结论该滤波算法有效提高了药片图像的清晰度,对于后期药片图像分割以及边缘化处理具有重要意义。