基于多子窗口的混合噪声滤波算法

为了去除数字图像中混有的高斯噪声和椒盐噪声,提出了一种基于多子窗口的去混合噪声算法。算法借鉴多级中值滤波思想,先将滤波窗口划分为纵横交叉的多个子窗口。对于椒盐噪声,先统计各子窗口内非噪声点的个数,如果为奇数,求出各子窗口非噪声点的中值;如果为偶数,计算各子窗口非噪声点的均值,然后用这些值的中值替换噪声点。对于高斯噪声,算法采用多子窗口均值法进行滤波,用各子窗口均值的均值替换噪声点。实验证明,该算法对混合噪声具有较好的滤波效果,且有效地保持了图像中的细节信息。

一种多子窗口中值加权的高斯噪声滤波算法

为了有效地去除图像中的高斯噪声,提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口,并将其划分为9个3×3子窗口区域,先找出每个子窗口的中值像素点,然后求出每个中值像素点与它们的中值点差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明,该算法对图像中的高斯噪声具有较好的滤除性能,并且较好地保持了图像的细节,效果优于传统的滤波算法。

基于多子窗口快速归一化互相关的肿瘤识别

对肿瘤进行快速准确地精细分割和生长监控是当前医学图像实时处理需要解决的一个问题,本文通过使用基于加和表的快速归一化互相关(FNCC)方法提高肿瘤识别速度,通过大子窗口技术提高肿瘤识别的正确度,通过多子窗口技术实现肿瘤的精细分割。对人体脑部核磁共振(MR)图像的肿瘤进行识别实验表明,本文方法可以很好地实现肿瘤的快速准确精细分割和生长监控。

基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。