基于局部特征的正则化滤波算法

大部分针对脉冲噪声的去噪算法主要利用预设的全局阈值来对含噪图像进行恢复,因此对图像局部边缘和细节的恢复能力较差。对此,提出一种基于图像边缘特征的正则化滤波算法。算法首先通过反映图像边缘细节的局部统计量建立自适应阈值,用于进行脉冲噪声检测,得到噪声候选集合;然后以此为基础,优化保边正则化方法,提升算法性能。仿真实验从定量数值比较和主观视觉比较两个方面表明,该算法在噪声密度较高时,仍能提供较好的图像恢复效果,从而为图像的后续研究提供良好的基础。

基于加权空间离群点度量的随机脉冲噪声降噪算法

针对排序统计类降噪算法在随机脉冲噪声(RVIN)图像降噪过程中,对图像边缘和细节部分噪声识别不够准确以及恢复比较模糊的问题,提出了基于加权空间离群点度量(SLOM)的脉冲噪声降噪算法WSLOM-EPR。该算法以优化的空间距离差为基础,引入图像邻域均值和标准差,建立反映局部边缘细节特征的噪声检测方法,提高边缘细节处噪声的识别精度;然后以精确检测结果为基础,优化保边正则(EPR)函数,提高算法的执行效率,并增强算法保留边缘细节的能力。仿真结果显示,WSLOM-EPR算法在40%到60%噪声密度下对噪声点的误检和漏检综合表现优于对比算法,且能在两者之间保持一个较好的平衡;降噪后的峰值信噪比(PSNR)好于对比算法中的大多数情况,且边缘细节在视觉上更加清晰连续。结果表明WSLOM-EPR算法提高了噪声检测精度,有效地保持了恢复图像的边缘细节信息。

一种有效的脉冲噪声去除算法研究

结合保边正则化算法和开关中值滤波,提出一种有效的脉冲噪声去除算法。该算法利用加权中值设计开关检测图像中的脉冲噪声像素,对于检测出的噪声像素利用保边正则化算法进行修复。最后通过实验评价该算法的功能,实验结果表明,该算法能够有效地抑制噪声,也可更大程度地保护图像的原始信息。