基于统计比值差值排序滤波器的Sea WiFS图像椒盐噪声检测与消除

由于多种原因 ,部分SeaWiFS卫星图像数据中存在比较严重的椒盐噪声。该文在分析SeaWiFS椒盐噪声特征的基础上提出一种基于窗口内均值与均方差比值序列差值的统计比值差值排序滤波器 (StatisticalRatioRankOrderedDifferencesFilter,SRROD) ,并讨论如何使用该滤波器技术有效地对椒盐噪声进行白点噪声、黑点噪声检测和消除。与常用的中值滤波和其他滤波器比较 ,该方法能在有效消除椒盐噪声的同时 ,保持图像数据中其他位置的点不受影响。通过灵活地调整不同的阈值可以获得不同的滤波效果。最后 ,讨论了如何从有效峰值信噪比 (EffectivePeakSignalNoiseRatio,EPSNR)

二维自适应排序滤波器及其实时实现的几点考虑

本文首先提出了二维自适应排序滤波器２ＤＡＲＯＦ（ＴｗｏＤｉｍｅｎｓｉｏｎａｌＡｄａｐｔｉｖｅＲａｎｋＯｒ－ｄｅｒＦｉｌｔｅｒ）的结构和算法，然后分析了收敛系数和不同扫描方式在图像处理应用中对收敛和滤波性能的影响。考虑到实时处理的需要，本文还讨论了在实时实现时的几点考虑。最后，给出了２ＤＡＲＯＦ在图像去噪和恢复中的应用实例。

一种基于统计排序滤波的图像边缘检测算法

提出一种基于统计排序滤波的新的边缘检测算法OFE。说明了算法原理,给出了算法实现的步骤和方法,通过人造图像和自然图像进行仿真实验,对仿真结果进行主客观对比评价分析,表明该边缘检测算法不仅有效,且效果与Sobel等算子相当,高于LOG算子,在处理含脉冲噪声污染的图像时有一定的优势。

GPU实现的抑制椒盐噪声的排序滤波算法

文中提出了一种简单有效的排序滤波算法,并在GPU上实现了该算法。算法首先检测图像中的信号,如果检测的像素是信号则保留不变,否则取其邻域并对邻域内的非噪声像素排序并取中值,若中值为信号,则用它代替噪声像素灰度值;否则扩大邻域窗口,重复算法。随着图像规模的增大,在CPU上执行的时间显著增加。文中在CUDA平台上对其进行了实现。实验结果表明该算法不仅能有效地移除椒盐噪声,而且执行效率高,图像的规模越大,加速比越高,最多可提高3个数量级。

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题,提出了一种去除图像中椒盐噪声的新型滤波算法.该算法采用两级滤波,并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素,以保持这些像素的原灰度值不变,保护了图像的真实性;同时在第一级滤波时采用迭代中值滤波,使滤波效果更佳.实验结果表明,所提出的滤波算法的效果优于现有的滤波算法,尤其是噪声密度超过0.3时,该算法的优势更加明显.

排序滤波在工业射线图像系统中的应用

本文通过对工业射线成像系统的分析,比较了射线噪声图像的两种处理方法——线性滤波法和排序滤波法。实验表明:排序滤波法能够在减少白噪声的同时保存图像细节,是射线检测中一种有效的降噪增强处理方法。

基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波，并提出了一种基于排序统计的图像边缘增强滤波算法．该算法将输入样点集划分成两个具有不同灰度值的子集，通过子集的运算值之差判断边缘是否存在．如果边缘存在，则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度；如果边缘不存在，则考虑进行噪声的平滑．计算机模拟实验表明，基于排序统计的图像边缘增强滤波器在增强边缘的梯度的同时，能较好地消除高斯噪声和脉冲噪声的影响，效果优于其它边缘增强算子．

模拟排序卷积滤波

本文提出了模拟排序卷积滤波(AOCF)的理论,讨论了有关性质并给出这种滤波器进行实时处理时的模拟电路结构。

基于图像边缘分割的排序统计滤波

对图像噪声的抑制方法很多,就难易程度而言,排序统计滤波是一种相对简单而且对随机噪声相当有用的一种方法,针对图像边缘的特征,即可分割的原理,提出一种基于传统排序统计滤波的方法,它可对图像的平坦区域和边缘、轮廓区域进行不同的中值滤波和过中值滤波。

一种排序统计滤波的快速算法

提出快速排序统计滤波 (FOSF)算法 ,利用相邻滑窗的重叠性质 ,通过把灰度直方图改造为静态链表的形式 ,实现排序统计滤波。由于无须对滤波窗内的象素进行排序 ,所以大大提高了算法效率 ,并取得较好的实验效果。

非线性滤波在射线图像降噪增强中的应用

射线数字成像是当前射线检测与诊断技术发展的方向 ,图像降噪增强是提高射线成像检测灵敏度和分辨力的关键。重点探讨以排序滤波为代表的非线性滤波图像降噪增强方法。对射线图像的处理表明 ,线性滤波在降噪的同时会引起较大的边缘模糊 ,而排序滤波不仅降低噪声且能保持图像细节 ,提高图像质量效果明显。

基于System Generator的快速中值滤波算法设计与实现

针对传统中值滤波算法比较运算量大、处理效率低、无法满足实时性的问题,以中值滤波原理为基础,对滤波排序算法和实现方案进行了研究,提出了一种基于System Generator的快速中值滤波算法。该算法通过两次行、列排序将3×3窗口中9个像素取中值简化为3个像素的排序运算,使得单窗口查找中值的比较次数由传统排序算法的36次最少降到了14次。结合System Generator系统建模工具,将处理速度提升到传统方法的近六倍,达到了快速抑制噪声的目的,满足了图像实时处理的要求。

基于数学形态学的图像边缘检测方法研究

在图像处理中,对于复杂图像的边缘特征信息很难通过一个结构元素来提取。笔者应用数学形态学的理论和方法,提出了一种选取多结构元素,采取排序边缘检测算法检测图像边缘信息,最后对不同结构元素的边缘检测结果求并,从而得到最终边缘图像输出的方法。实验表明,该方法具有较好的图像边缘检测效果,且简便灵活,可以适应不同类型图像的边缘信息检测需要。

图像去噪方法研究与仿真

在实际获取的数字图像中,不可避免地参杂了不同程度的噪声,去除噪声是图像预处理中非常重要的步骤。介绍了均值滤波、统计排序滤波和自适应滤波的基本去噪原理,利用上述去噪方法通过matlab仿真,对含有高斯噪声和椒盐噪声的图像进行去噪处理,对仿真结果进行分析比较,从而得出各种去噪方法的特点和使用范围,为实际图像处理中选择合适的去噪方法提供了指导。

基于Eye Map和SIFT特征的人眼定位

人脸对齐是人脸识别的前提,精确的人眼定位是人脸对齐的主要手段,为此提出了一种基于eye map和SIFT特征的人眼定位方法。首先根据人眼眼球部分的像素灰度比周围像素灰度更黑的特点,在人脸图像中选出满足该特征的像素点,接着通过排序滤波器得到这些像素点的连续区域及它们的几何中心,然后根据人眼特征点的几何限制粗选出候选的眼球像素点,最后在候选点的特定区域内提取SIFT特征,并采用支持向量机回归的方法得到响应值最大的像素点,该点即为人眼的精确定位点。实验结果分析表明该方法既具有较高的定位精度又具有较快的计算速度。

对红外焦平面非均匀性自适应校正算法的研究

研究红外焦平面的非均匀校正对监控系统和军事有着特殊的意义。针对传统神经网络法非均匀校正算法存在收敛速度慢和不稳定的缺点,提出了一种新的基于场景的IRFPA非均匀性校正算法。该算法先将焦平面上的各像素点值和他周围的8个像素点值做一次排序,选择排在中间的5个像素值求平均作为该点的新像素值。再利用一种改进的神经网络法对红外图像再做一次非均匀校正。实验结果表明,新算法的非均匀校正效果比原来的神经网络算法和均值滤波算法都有明显的提高。还引用了一种新的收敛因子的估算方法,计算结果得出该方法能较准确地估算出收敛因子在自适应迭代公式中收敛时的范围,提高了校正算法的收敛速度。

面向自然场景文本检测的改进NMS算法

近些年来,卷积神经网络算法在自然场景文本检测效果上较传统算法已经有了很大提升,但如何有效处理神经网络输出层候选框仍然值得研究。非极大值抑制算法(non-maximum suppression,NMS)通过选择最高置信度候选框作为检测结果,往往容易对较长文本以及混叠文本区域检测失效。考虑到该问题,可以将候选框集合进行排序滤波与融合计算,得到更准确的候选框,有效减少上述检测失效的情况。这种方法,可以直接嵌入原有方法中,而不需要改变网络结构或者增加任何训练量。通过在公开数据集上进行实验,对比其他方法,该方法有较大优势。

人眼定位算法与人脸图像标准化

提出了一种改进的人脸图像标准化算法.该算法先利用改进的人脸图像的垂直灰度积分投影确定脸的左右边界,再根据人脸图像的水平灰度投影曲线来确定眼睛的大致高度.利用由上述方法得到的参数对人脸进行第一次裁剪,然后对人眼精确定位,最后对图像进行旋转、剪切和缩放,获得人脸的标准图像.采用ORL人脸数据库进行仿真实验,结果表明,该算法消除了背景、头发等干扰,保留了人脸识别所需的主要信息,有利于后续的特征提取与识别.

二值排序统计滤波及实时信号处理实现

一、引言 非线性滤波的研究和应用是个较新的研究方向。近年来,对这方面的研究很活跃,并有了较大的进展。如受到广泛重视的排序统计滤波,就以它突出的优点吸引着不少国内外学者的关注。但是由于其结构是非线性的,且在实现上往往需要价格昂贵的微处理机进行复杂的排序统计运算,这给实时处理和理论分析带来一定困难,因而严重地限制了它的广泛应用。本文鉴于上述情况,对传统的分析和实现方法,通过电平分解原理。

广义门阈分解理论及其应用

本文在传统门阈分解技术的基础上,进一步导出了广义门阈分解理论和算法,研究了有关应用和实现问题。其效果不仅大大地简化了理论分析和硬件实现,而且也进一步完善了非线性滤波的有关理论。