一种快速有效的图像脉冲噪声滤除方法

针对图像数据中脉冲噪声的特点,该文提出了一种快速有效的滤除方法。这种方法通过寻找局部极值快速确定噪声点,并对图像的所有像素做分类标记,处理的过程中只考虑标记为噪声的点,采用邻域内非噪声点的均值作为滤波输出。这样处理不会影响图像中未受噪声污染的像素,而且减少了相应的计算量,经测试,该算法的滤波性能和计算速度明显好于常用的中值滤波方法,可以快速有效地滤除脉冲噪声,具有很好的实用价值。

基于小波变换的SAR图像噪声滤除方法

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量,降低图像的可判读性。常用的空间自适应滤波方法在滤除噪声的同时,损失了图像中的大量边缘细节信息。介绍了一种基于小波变换的SAR图像噪声消除方法,充分考虑噪声的统计特征,并把小波变换与空间滤波两者有机结合起来。通过滤波实验与其它滤波方法的对比,表明此小波滤波方法能更有效地消除SAR图像中的斑点噪声,而且能有效地保持图像中的纹理细节和边缘信息。

改进的中值滤波算法应用于的冲噪声的滤除

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊.基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息.本文在此基础上提出了一种改进的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据.而在滤除噪声时,采用的是迭代的中值滤波算法.从实验结果中可以看到,与其它中值滤波算法相比,本文的算法在去除脉冲噪声时能取得理想的去噪效果.

基于统计阈值的脑肿瘤MRI图像的分割方法

我们提出了一种基于统计阈值的脑肿瘤MRI图像的分割方法。首先,通过预处理操作去除脉冲噪声和头骨影像,然后利用统计阈值分割方法对肿瘤进行了分割。为了克服经典阈值分割方法存在不完全分割的问题,利用分割后两个类的方差和概率定义了一个新的阈值选择准则,并通过最小化准则确定最佳分割阈值。实验结果证明,本方法分割效果好,解决了采用经典阈值分割方法对脑肿瘤的不完全分割问题。

基于二步法的脉冲-高斯混合噪声去除研究

本文提出一个处理图像脉冲-高斯混合噪声的二步法。该二步法将噪声图像中的脉冲噪声和高斯噪声区别对待。首先,根据噪声模型的定义,我们可以利用一些现有的脉冲噪声探测算法将图像中的脉冲噪声探测出来,再利用算法去除脉冲噪声;然后,在第一步的基础上利用高效的高斯噪声去除方法去除剩下的高斯噪声。根据不同的实验对象和不同的噪声水平,第一步和第二步可以采取不同的方法,从而达到最优效果。

基于水平集曲率的图像滤噪与增强

分析了用于图像滤噪与增强的滤波技术特点 ,并针对偏微分方程 (PDE′s)模型给出新的数值计算方案 .特别 ,多局部水平集曲率计算为算法的精细化提供了保证 .在使用PDE′s模型处理前 ,Canny边缘检测和数学形态学方法被应用估测边缘 ,滤除部分虚假边缘点 .为针对不同区域折中使用不同的滤波方法提供了前提条件 .