基于中值的图像椒盐噪声的非迭代滤除

去除椒盐脉冲噪声是图像处理中的一个重要问题。标准的中值滤波能消除大部分椒盐噪声,但是却毁坏了图像中的部分细节,基于最大最小值的波峰波谷滤波虽在一定程度上对这个问题有所改善,但效果却不是很好。改进方法与基于最大最小值的波峰波谷滤波方法的区别是在如何探索噪声点上又考虑了中心象素与其邻域象素的相似性。实验结果证明了新方法在图像的峰值信噪比和噪声对原图像的毁坏程度两方面的优越性。     

基于中值滤波的指纹图像降噪研究

中值滤波是数字图像处理技术中用于改善图像的方法之一,可用于消除图像中的噪声。本文主要针对含噪声的指纹图像,选取不同尺寸的掩模进行滤波。通过实验及数据对比分析得出：中值滤波对含椒盐噪声的图像有很好的滤波效果,图像质量得到了明显的改善,对高斯噪声的滤波效果稍差;中值滤波的滤波效果随掩模尺寸的递增而递减。     

一种图像椒盐噪声自适应滤除方法

在已有极值中值的滤波算法的基础上,提出一种自适应滤波算法.该算法对于不同椒盐噪声密度采用不同滤波方法,在噪声密度较低时,采用同时考虑灰度差值和空间距离的自适应权重函数进行滤波,在噪声密度较大时,扩大滤波窗口进行改进的中值滤波.实验证明,该算法在滤除椒盐噪声能力、细节保护能力方面均有较大提高.     

一种用于抑制椒盐噪声的多窗口中值滤波器

该文提出了一种用于抑制椒盐噪声的多窗口中值滤波算法。算法在招待过程中根据具体情况采用不同大小的滤波窗口。仿真结果表明，与标准中值滤波算法相比，该方法不仅可以有效去除图像中的椒盐噪声，特别是在噪声密度非常大的情况下，表现了很好的性。     

基于多幅图像平均法对数字图像降噪的研究

针对数字图像在采集和传输过程中,经常会受到噪声的影响,使图像发生降质的这一问题,提出了一种多幅图像平均法.该方法通过对同一景物的多次采集图像相加后取平均值来消除噪声.在实际运算过程中不需要图像的统计特性,可以克服线性滤波器所带来的图像细节模糊,而且对滤波脉冲干扰及图像噪声最有效.实验结果表明这种算法能有效地对图像降噪,...     

中值滤波在图像处理中的应用

通常在实际获取的图像中存在一定的噪声,而噪声的存在势必影响图像的清晰度、对比度等因素,会直接影响到下一步的图像处理.因此,图像滤波技术的研究一直是国内外研究的热点.中值滤波是一种典型的非线性滤波技术,能有效滤除干扰噪声.文中探讨了中值滤波算法原理及其在图像处理中的应用,并给出了采用MATLAB仿真的实例,结果表明其具有较好的实用价值.     

红外图像噪声先验中值滤波方法的设计与应用

红外图像中的脉冲噪声影响温度测量及分析,同时影响红外图像的可观性。传统中值滤波容易造成过度滤波,影响温度分布,丢失图像温度信息。针对传统方法的缺陷,借鉴噪声检测的中值滤波方法,将其应用于红外图像的脉冲噪声滤波。该方法在中值滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识。然后进行对噪声污染像素的针对性滤波,实验证明,达到了既能有效滤除噪声,又完整保留温度信息的目的。     

基于噪声估计的自适应开关型中值滤波器

提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

基于图像内容的中值滤波器设计及其FPGA实现

在图像处理领域里,中值滤波器经常用于去除图像的椒盐噪声。传统的中值滤波器存在图像模糊的缺陷。本文介绍了一种新的中值滤波器的结构,该滤波器首先检测图像是否存在噪声,然后决定是否进行中值滤波。因此该滤波器在去除图像噪声的同时,比传统的中值滤波器更好地保留了图像细节。     

数字图像中值滤波技术研究

中值滤波作为图像处理中的一种非线性滤波技术,在有效抑制脉冲噪声的同时能很好地保护图像信号的细节信息,尤其是在处理椒盐噪声方面效果较好,得到了广泛的研究和应用。文章通过对中值滤波及其改进方法的研究,比较了不同方法的运算效率及对不同图像的去噪效果,分析中值滤波技术的研究方向。     

改进自适应中值滤波算法研究

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法.针对这3种滤波算法,对含有不同密度椒盐噪声的图像进行去噪实验.结果表明:改进算法去噪效果明显、能有效保护图像细节,PSNR保持在25 dB以上;改进算法在高密度噪声时也能得到细节较为清晰的图像,PSNR比改进前的提高17 dB以上.     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

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.     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于TSPL的图像椒盐噪声去除新算法

在提出的三子集划分的灰度图像分层表示（TSPL）算法的基础上,主要研究对常见的椒盐噪声的去除。TSPL算法是一种新型的数字图像变换方法,其核心思想是用一系列具有解析形式的灰度函数逼近不规则的原图像灰度函数。在此分别处理由TSPL算法生成的各层基函数图像,将其划分为A,B,C三个区并将每个像素点赋值为0,1,2;结合图像椒盐噪声的特点,利用投票策略处理每个像素点的8?邻域,从而达到椒盐噪声去除的目的;最终通过TSPL算法对基函数重构来恢复原图像。采用在人类视觉系统的前提下提出的基于结构相似性的方法MSSIM算法作为图像质量评价的标准,实验结果表明,在主客观方面,该方法在去除噪声和保留图像细节方面明显优于传统的中值滤波方法。     

一种改进的图像中脉冲噪声滤波方法

提出了一种估计脉冲噪声强度的方法,并针对传统中值滤波(MF)法在去除脉冲噪声时存在的不足,给出了一种由噪声检测和噪声滤波2个阶段组成的图像滤波方法.实验结果表明,采用本文估计方法获得的噪声强度偏差较小,噪声滤波方法能在有效去除噪声的同时保持图像的边缘.     

基于二级检测的椒盐噪声滤除算法

针对目前算法不能适用于含不同密度椒盐噪声的图像去噪,提出了一种基于噪声点极值特性和方向差异性的开关型噪声滤波器。检测阶段,采用极值法检测噪声,并计算噪声密度,当噪声密度低于阈值时进行基于噪声点方向差异性的二次检测,否则直接进行滤波;滤波阶段,根据局部噪声密度选择递归或非递归窗口,进行除去窗内噪声点的加权均值滤波。实验结果表明本文算法滤波性能和细节保护都优于传统中值滤波和一些改进算法。     

数字图像中混合噪声的滤波

中值滤波法主要用来抑制椒盐噪声,均值滤波法主要用来抑制高斯噪声.当数字图像中即有椒盐噪声又有高斯噪声时,两种方法均无法达到令人满意的效果.提出了一种混合噪声的滤波方法.首先通过设定阈值,将椒盐噪声和高斯噪声加以区分.然后先对椒盐噪声使用改进了的中值滤波方法进行滤波,之后使用近邻域均值滤波法对高斯噪声进行滤波.仿真结果表明,文中提出的混合去噪声算法计算简单,对数字图像中存在的混合噪声有较好的滤波效果.