基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其他先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤 波方法相比表现出较好的 PSNR和 SSIM,与 PSNR和 SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限 SAPN(99%)破坏的图像,也能够恢复有意义的图像细节。

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。算法在执行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,表现了很好的性能。

一种新型自适应中值滤波器在超声医学图像中的应用

在中值滤波器的框架下 ,专门针对超声医学图像 ,提出了一种新的自适应中值滤波器 ,其自适应机制的是在一个子窗口内的四个主要方向先分别进行中值滤波 ,再用原始图像与四个子图像的差值产生加权系数 ,之后进一步用四个子图像加权合成新图像。这种滤波方法有较好的细节保护特性和较强的滤噪特性。分析了新滤波器的特性 ,并给出了质量较好的超声心脏滤波图象。

一种新的自适应多级中值滤波器

本文在多级中值滤波器（MLM）的框架下引入了自适应的机制，提出一种新的自适应多级中值滤器（简记AMLM），其中，自适应机制的建立借助于两个自适应子窗口，这两个子窗口根据各基本子窗口的顺序统计量（包括中值）的比较关系．以这些基本子窗口为基本单元自适应构成。新的滤波器与MLM有非常相近的细节保护特性，但是比MLM的滤噪能力有较大提高，此外，与MLM相同，AMLM不需要任何关于信号及噪声的先验知识。本文分析了新滤波器的特性，并给出了显示滤波器效果的实验结果。

自适应中值滤波器在图像降噪技术中的应用

为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器。重点分析了在实际应用中的关键技术,并与传统中值滤波器进行了比较,结果表明在对含有空间密度较大的脉冲噪声图像进行滤波时,自适应中值滤波较传统中值滤波具有很大的优越性。

扩展自适应中值滤波器的原理与实现

在图像处理领域中噪声滤除是图像预处理阶段一项必不可少的工作。在许多场合都会遇到高强度噪声的图像 ,特别是椒盐噪声的滤除非常困难。本文对空间域的常用噪声滤波技术的不足进行了分析 ,提出了一种新的滤波器技术——扩展自适应中值滤波器技术。该技术不仅继承了原自适应中值滤波器技术的优点 ,而且还弥补了它的不足 ,解决了高强度噪声干扰下图像的滤波问题 ,滤波效果相当理想。最后 ,给出了几种滤波技术的滤波效果比较图 。

数字图像处理中多窗口下的自适应中值滤波

根据心理物理学、神经生理学、认知神经学等学科在视觉认知领域的部分研究成果，结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法，提出了结合先验知识的多窗口结构下的分块中值滤波方法，在每一个窗口内单独进行处理与分析，突出了视觉处理目的，减少了运算量， 节省数据存储空间，达到了令人满意的滤波效果，能够在原始图像比较复杂的情况下，较好地对其进行预处理，可以改善、提高后期图像处理过程，如图像分割、图像分析的正确性和有效性。

基于方向信息测度的自适应多级中值滤波器

针对图像滤噪中滤除噪声和保护细节(边缘)的矛盾,本文提出一种新的基于方向信息测度的自适应多级中值滤波器。方向性是边缘和噪声的本质区别之一,通过基于方向信息测度所构造的自适应结构,决定中值滤波器的形式和滤波窗口尺寸的大小,而不需要图像和噪声的先验知识。文章比较了标准中值滤波器、单向多级中值滤波器、双向多级中值滤波器和本文方法的结果。实验表明本文方法具有更好的效果。

基于×字形窗口的自适应中值滤波算法

传统的中值滤波方法在去除脉冲噪声的同时会损失部分图像细节,且运行速度也不能很好地满足实时性要求。在此对Matlab工具箱中的中值滤波算法进行改进,提出一种基于×字形滤波窗口的自适应中值滤波算法。该方法具有根据3×3的×字形窗口中噪声点个数自适应调整滤波窗口大小及根据矩阵的对称性及基本的逻辑运算实现×字形窗口的特点。实验结果表明,与传统的方形窗口中值滤波算法相比,该方法在有效去除椒盐噪声和脉冲噪声的同时,较好地保持了图像细节,缩短了运行时间。

基于十字滑动窗口的快速自适应图像中值滤波

传统的中值滤波存在着在有效去掉脉冲噪声的同时也破坏了图像的细节等缺陷,而且运行速度不能很好地满足实时要求。提出了一种基于十字滑动窗口快速自适应中值滤波算法;十字滑动窗口不仅计算速度较方形窗口快,而且充分利用前一窗口信息,通过两个十字相交向量退化和推进,更加快速;还依据噪声强度来调整窗口大小来提高去噪效果。实验证明该算法在去噪的同时能很好地保护图像细节,并使传统中值滤波复杂度由O(D2)降至O(D),速度得到大幅度的提高。

一种基于空间距离加权的自适应矢量中值滤波器

矢量中值滤波器(vectormedian filter,VMF)是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的脉冲噪声,但它没有考虑在滤波器窗口内各个像素由于位置的不同而对滤波效果产生的不同的影响。根据人类视觉感知,在一个滤波器窗口中,即使二个像素具有相同的颜色值,其中离中心像素较近的像素应当对中心像素影响较大,而距离较远的像素对中心像素影响较小。基于此,试图将空间距离对滤波效果的影响量化,提出了一个基于心理距离的加权公式,并结合传统的矢量中值滤波器VMF,构造出了一种新的基于空间距离加权的自适应矢量中值滤波器。实验表明,新的矢量中值滤波器,在抑制脉冲噪声、色调保持、细节或边缘保护方面,胜过传统的VMF和其他几个基本的典型矢量滤波器。

自适应模糊多级中值滤波器

结合模糊关联存储方法 (FAM) ,提出了修改后的多级中值滤波器——自适应模糊多级中值滤波器 (AFMMF) ,该滤波器克服了传统多级中值滤波器 (ML MF)的一些缺点 .实验结果显示 ,在处理“短线”噪声的过程中 ,AFMMF能更好地保留边缘 ,取得了更好的效果 .

基于自适应中值滤波器和TV修复的椒盐噪声去除(英文)

提出一种两步式椒盐噪声去除方法.第一步利用自适应中值滤波器来识别出被噪声污染的候选点;第二步利用一种边缘保持技术(全变差图像修复)来恢复出被噪声污染的点.由于椒盐噪声点的灰度值和原始像素灰度独立,所以在采用恢复技术时不使用噪声点自身的灰度信息.在噪声率不很高的情况下,这种方法可以获得比现有最好方法更高的信噪比;当噪声率高达70%以上时,该方法的信噪比与现有方法非常接近,但是主观视觉效果(例如边缘保持能力)更佳.

改进的方向自适应中值滤波器在注塑产品图像预处理中的应用

分析了将现有方向自适应中值滤波器算法应用到注塑产品图像预处理过程中遇到的问题。结合注塑产品图像预处理对于滤波器性能的要求,提出了一种改进的方向自适应中值滤波器算法,通过噪声检测和区域检测实现了对图像中各像素点特性的判别,进而根据各像素点自身特性的不同,有的放矢地确定相应的滤波处理方法。在有效抑制注塑产品图像中噪声的同时,提高了算法的边缘保护能力,大幅缩减了计算用时,很好地满足了注塑产品图像预处理的要求。仿真实验表明了该方法的有效性。

基于自适应窗口的裁剪中值滤波方法

基于决策的非对称裁剪中值滤波方法(MDBUTMF)能有效复原被高密度椒盐噪声污染的彩色图像,然而该方法采用固定大小的滤波窗口并利用均值替代中心像素,因此导致算法鲁棒性较低,对部分图像滤波失效。针对该问题,提出了一种基于自适应窗口的裁剪中值滤波方法,通过增加对单色区域的判断,有效解决了已有算法对单色区域滤波失效的问题,使得新方法具有较高的鲁棒性和实用性;并采用自适应窗口解决了MDBUTMF采用单一3×3窗口易导致滤波效果差的问题。实验数据表明,与经典的多种矢量以及标量的中值滤波方法相比,提出的裁剪中值滤波方法不仅具有较高的PSNR,而且具有较低的MAE和NCD,在抑制椒盐噪声的同时能有效保护图像的色调和细节。

自适应中值滤波器及其应用

将自适应加权中值滤波器应用于滚动轴承故障信号的故障诊断中。当信号中含有多种噪声时,让信号先通过自适应加权中值滤波器,再通过线性带通滤波器,对降噪后的信号进行包络解调处理,可以克服噪声对包络谱分析的影响。通过仿真和试验信号分析可以看出,自适应中值滤波器在机械故障诊断中具有较好的应用前景,使包络谱分析方法得到更广泛的应用。

多重窗口的自适应中值滤波

本文依据中值滤波的基本原理和Sakrison的非均匀图象模型提出一种改进型自适应中值滤波算法——MWMF.实验结果表明,MWMF算法对图象细节具有良好的保护作用.

改进自适应中值滤波的图像去噪

传统自适应中值滤波的最大最小窗口尺寸固定,并且其最大最小窗口相差较大时,运算时间较长,去噪效果并不一定最佳。本文针对传统自适应中值滤波算法的不足,提出了改进自适应中值滤波算法,首先根据椒盐噪声的分布特点,从单幅含椒盐噪声图像中估算出椒盐噪声的浓度,并分析噪声浓度与自适应中值滤波窗口尺寸之间的关系,建立它们之间的函数关系。其次根据噪声浓度确定自适应中值滤波的最大最小窗口尺寸,最后对图像进行自适应中值滤波。实验结果表明本文算法运算时间随着噪声浓度的变化而变化,而且从PSNR角度来看本文去噪效果比传统自适应中值滤波效果较好。

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。

改进的自适应中值滤波算法及其应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法.首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量.经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10 d B左右.和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡.最后将该算法应用于Kinect深度图降噪上获得了不错的效果.