基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法

针对图像处理中存在椒盐噪声和高斯噪声的问题,提出了一种新的小波阈值函数与改进中值滤波融合的噪声抑制算法。依据椒盐噪声与其周围邻域像素灰度值存在的明显差异,估计椒盐噪声,采取3×3模板进行反复迭代滤除椒盐噪声。对高斯噪声,利用极限思想提出了一种新的小波阈值函数,并引入三个控制变量,通过调节控制变量使所构成的小波系数在一定阈值范围内无限接近原小波系数。实验结果表明,提高了峰值信噪比,减小了均方误差,较好的保留了图像细节。

飞行数据改进中值滤波和自适应小波降噪

研究飞行数据预处理时提高数据质量问题。针对飞行数据易受噪声干扰,提出了改进中值滤波和自适应小波阈值降噪的降噪算法。首先以改进的中值滤波算法对飞行数据进行处理以剔除野值;然后对剔除野值后的飞行数据进行小波分解,根据各层小波系数的噪声自相关函数确定最佳小波分解层数;最后设计了新的自适应阈值函数,对小波系数进行处理并重构,得到降噪数据。采用仿真数据和飞行数据进行实验,结果表明,改进方法取得了良好的降噪效果,改善了数据质量,证明算法有效性。

改进中值滤波和最小二乘法在三维表面评定中的应用

为保证三维表面形貌评定的准确性,消除测量过程中产生的脉冲噪声和基准偏斜面的影响,提出了一种基于改进中值滤波和最小二乘法的三维表面形貌评定方法。该方法通过改进中值滤波去除表面形貌测量中产生的脉冲噪声,采用最小二乘法提取基准偏斜面,表面形貌去除脉冲噪声和测量基准偏斜面后得到评定表面形貌,在此基础上,通过高斯滤波法提取粗糙度表面,并计算表面形貌典型评定参数。实验结果表明,评定表面形貌的典型评定参数可更加准确地评定三维表面形貌。

矿山遥感图像自适应加权改进中值滤波算法

矿山遥感图像的质量受成像区域环境的影响较大,加之成像器件固有的缺陷,易导致获取的图像存在一定程度的失真,影响对遥感图像的判读和分析。为此,在中值滤波(Median filtering,MF)算法的基础上进行了加权改进,提出了一种适合于遥感图像处理的自适应加权改进中值滤波算法(Adaptive weighted improved median filtering,AWIMF)。首先将遥感图像划分为多个尺寸为7×7的图像块,对每个图像块分别统计像素点灰度极大(小)值,将该类像素点标记为第1类疑似噪声点;其次计算每个图像块的像素点灰度中值,将各图像块中的每个像素点灰度值与对应的像素点灰度中值作差,将较大差值对应的像素点标记为第2类疑似噪声点,将2次检测均被标记为疑似噪声点的像素点确定为噪声点;然后,以每个噪声点为中心选取尺寸为5×5的滤波窗口,根据滤波窗口内各像素点灰度值与所在滤波窗口的像素点灰度中值的差值计算权重,分别将各像素点灰度值与对应的权重进行加权计算,实现对噪声点的高效滤波;最后,采用直方图规定化算法(Histogram specification,HS)对滤波后的图像对比度进行调节。采用内蒙古白云鄂博矿区遥感图像进行试验,结果表明,所提算法的性能相对于中值滤波及其已有的几类改进型算法而言,优势较明显。

改进中值滤波在脂肪肝血管影像去除中的应用

针对现有脂肪肝计算机辅助诊断技术的不足问题,文中通过对基于多级灰度差的脂肪肝图片特征提取方法进行实验。分析了方法中血管影像的特点以及对特征提取的影响,提出一种改进的中值滤波方法,使用领域内肝脏组织影像代替血管影像,减小了血管噪声对多级灰度差特征提取的影响,对比分析了正常肝和脂肪肝多级灰度差特征,区分清楚、效果明显。

基于Stratix II EP2S60的改进中值滤波器的设计及实现

在红外搜索跟踪系统中,为了有效可靠地对目标进行探测、跟踪,必须对红外图像进行滤波预处理,从而提高图像信号的信噪比。为满足实时红外图像预处理时对速度的高要求,采用了一种利于硬件实现的中值滤波改进算法,以Altera公司的Stratix II系列EP2S60型FPGA为平台,成功实现了对256×320×16 bit图像的中值滤波,整个电路去噪效果明显,速度满足要求。

一种改进的中值滤波算法

为了更好的对原始图像进行除噪,本文针对经典中值滤波方法的缺点对其进行改进。将高斯加权与中值滤波方法进行结合,提出一种新的滤波方法。分别用本文方法与中值滤波方法在带有不同噪声的图像上进行除噪实验,对实验结果进行分析比较并利用均方误差来定量比较。实验结果表明,本文提出的方法比经典中值滤波方法更具普适性。

基于改进的自适应中值滤波的糖尿病视网膜渗出液病变分割

为了提高渗出液病变分割的抗噪性和质量,简化渗出液分割工序及提高分割效率,提出了一种基于改进的自适应中值滤波(IAMF)的糖尿病视网膜渗出液病变分割方法。IAMF考虑将像素点(x,y)邻域中的各像素值的中值和偏置项的加权平均来替换当前像素点的灰度值,且根据噪声判定条件判断中值是否是噪声,在给定范围内自适应改变滤波器的窗口尺寸大小及窗口形状,使得滤波结果突出视网膜渗出液的形状结构,减少或消除可能的出血和其他混杂的视网膜结构。通过实验结果表明,IAMF方法通过自适应改变的窗口尺寸和形状,既兼顾降噪效果和图像细节保护的问题,又能提高图像处理速度。经过改进的自适应中值滤波器预处理后的糖尿病视网膜图像,结合自适应阈值二值化分割的渗出液轮廓清晰、完整,对不同形状、尺寸、光照条件下的渗出液病变具有鲁棒性,有效去除相机成像产生的椒盐噪声。所提出的方法简化了糖尿病视网膜渗出液分割工序、提高了分割效率。

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。

一种基于改进的极值中值滤波算法

提出的改进的极值中值滤波(IEM)算法是在极值中值滤波(EM)算法的基础上做了如下两点改进。首先,采用更合理的检测方法来检测噪声点,减小将信号点误判为噪声点的概率。其次,采用改进的滤波算法,解决了当噪声点个数大于像素总数一半时,传统中值滤波无能为力的问题。实验证明,当噪声密度很大时,IEM方法不仅比EM方法有更好的滤波效果,而且能够更好地保护图像细节。

改进型中值滤波器的实现和性能测试

改进型中值滤波器相对普通中值滤波器,既能有效去除噪声,又能较好的保护图像细节。通过对几种改进型中值滤波器的原理分析、实现和性能指标测试,多重中值滤波和窗口加权滤波性能较好,可用于去除图像椒盐噪声。

改进的基于中值滤波和小波变换的图像降噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将基于高斯模型的小波变换算法与改进的中值滤波相结合的去噪方法。该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声。仿真实验结果表明,结合算法去噪后图像的峰值信噪比和均方误差都比单一算法得到了改善,从而证明了该方法的有效性。

1种农产品图像二维多级中值滤波改进算法

农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。

基于改进的中值滤波和数学形态学的图像边缘检测

针对受到噪声干扰的图像边缘检测的不理想,提出一种基于改进的中值滤波和数学形态学结合的边缘检测方法。该算法首先对噪声图像用改进的中值滤波进行去除噪声处理,然后利用数学形态学进行边缘检测。利用Matlab软件进行仿真,结果证明该算法与一般的算法相比较能够有效地抑制噪声,保护边缘细节,提高边缘检测的精确度,具有更好的边缘提取效果、边缘连续性和光滑性。

基于改进自适应中值滤波的图像降噪方法

均值滤波算法处理椒盐噪声时效果不理想,中值滤波算法与自适应中值滤波算法求得的中值作为滤波的结果效果较差,降噪效果一般,为了能更好地处理椒盐噪声,提出了一种改进的自适应中值滤波的降噪方法,即在自适用增加窗口的同时分割滤波窗口,并对分割后窗口进行多次中值计算。实验采用信噪比SNR和峰值信噪比PSNR来评定对椒盐噪声的降噪能力,当对图像加入噪声密度为0.02和0.05的椒盐噪声时,改进后算法效果更好,其信噪比SNR的值比均值滤波、中值滤波和自适应中值滤波提高了8.23和7.52、3.92和2.02、3.19和0.96;峰值信噪比PSN的值比均值滤波、中值滤波和自适应中值滤波分别提高了8.22和7.50、3.91和2.01、3.19和0.95。实验结果证明,改进后算法对椒盐噪声有很好的降噪能力,滤波效果明显,滤波性能较高。

改进门限中值滤波算法在水果图像噪声中应用研究

针对目前水果深加工产生水果图像检测算法中存在图片失真的问题,提出了一种改进门限型中值滤波算法;首先,该算法通过恰当改变门限阈值,利用均值和标准差的和,可以有效保留图像的细节和边缘信息,能够有效的去除水果图像的噪声;其次,经过多组仿真实验并对比普通的中值滤波方法,可以明显的观察出改进后的中值滤波算法有较好的效果;最后,根据大量的数据对比分析与比较,结果表明:该算法能有效的去除噪声并且保留了图像细节,比较其他中值滤波更好。

一种基于Shearlet变换域改进自适应中值滤波算法

为了有效滤除图像中大量存在的脉冲噪声,提出了一种基于Shearlet变换域改进自适应中值滤波方法。首先在对Shearlet变换进行深入分析的基础上,给出了Shearlet分解和重构基本步骤;然后实现对含噪图像进行多尺度Shearlet变换,对获得多个尺度下的分解系数采用从噪声检测、噪声滤波等环节改进的自适应中值滤波算法(IAMF)进行噪声抑制;最后实现滤波后分解系数重构。分别与经典中值滤波(MF)、自适应中值滤波(AMF)以及Shearlet变换域阈值法进行比较,实验结果表明,该滤波算法滤波性能较好。

改进滤波算法在机器人视觉目标图像处理中的应用研究

针对传统的机器人视觉目标图像处理中将边缘信息与噪声均作为噪声处理,从而使机器人无法精确完成图像识别的问题,提出采用一种改进中值滤波与改进邻域均值滤波相结合的滤波算法来移除噪声。首先采用改进的中值滤波算法,用滑动大窗口分块处理来加快运行速度,并加入判断条件,区别边缘与噪声信息,避免边缘信息丢失,并去除噪声点;然后采用改进邻域均值滤波方法对图像边缘信息进行处理,从而保护好图像的边缘信息。仿真分析结果表明,该算法能较好地滤除噪声,明显优于经典的中值滤波与邻域均值滤波算法。

自适应多阀值中值滤波算法研究

文章主要讨论在保证还原后的图像具备一定清晰度的前提下,通过自适应多阀值的设置来解决去除噪声过程中的图像的平滑度、边界细节,重点对不同算法进行比较和探讨,取长补短,给出改进后的方法,能够达到更好的图像还原效果。

基于中值滤波和小波变换图像降噪的新算法

针对小波变换去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到良好的降噪效果的问题,文中构造了一个新的小波阈值函数,并对中值滤波进行了改进,将此两者方法相结合进行图像去噪。仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声,而且去噪后图像的峰值信噪比和均方误差都较单一算法得到改善,从而证明了该方法的有效性。