模糊嵌套多级中值滤波方法及其在地震数据处理中的应用

多级中值滤波器在地震数据处理应用中,其滤波长度越大,消噪效果越好,但同时也会破坏有效信息.如果为了保护有效信息而减少滤波长度,又会造成大量的噪声不能消除.本文提出一种新的模糊嵌套多级中值滤波器,设计一个阀值作为判断参数,使滤波器能够在消除随机噪声时采用长滤波器滤波,而在保留有效信息时采用短滤波器滤波,从而既能很好地消除随机噪声,又能最大限度地保护有效信息,保留有效信息的细节结构.经过模型分析和实际资料处理都取得了很好的效果.

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以叶l值滤波滤除;对于含有高斯噪声的像素点则采用一利一保护细节的模糊滤波器进行处理。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。

一种基于模糊决策的开关矢量中值滤波方法

针对现有的彩色图像脉冲噪声去除方法没有区分滑动窗口中的像素是否为噪声像素而导致滤波效果差的问题,提出一种基于模糊决策的开关矢量中值滤波方法。该方法首先利用开关条件判断像素是否被污染,针对被污染的像素,通过模糊数学理论构造适合脉冲噪声去除的隶属函数;然后计算滑动窗口内所有像素的模糊隶属度,并根据置信区间去除疑似噪声像素以优化滑动窗口的取值空间;最后对优化后的滑动窗口应用矢量中值滤波(VMF)以去除噪声像素。与现有方法相比,新的方法去除了滑动窗口中心像素的邻域疑似噪声,从而有效提升了滤波效果。实验验证了该方法的高鲁棒性和实用性。

采用改进的自适应模糊多级中值滤波算法去除牛肉图像斑点噪声

牛肉图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取牛肉图像中的肌内脂肪颜色特征,就必须先对斑点噪声进行滤除。为此在自适应模糊多级中值滤波的基础上进行了改进:第1步,确定当前点是否为噪声点。先计算当前像素点与其邻域均值的差的绝对值,然后与阈值(阈值随当前点的灰度值而变化)相比较,如果绝对值大于阈值,则被认为是斑点噪声。第2步,对于斑点噪声,将采用自适应模糊多级中值滤波方法来滤除;如果不是,保留原像素点不变。试验结果表明,改进的算法在斑点噪声滤除与细节保护方面均优于标准的中值滤波、多级中值滤波以及形态滤波。

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 .

一种新型的权值裁剪模糊中值滤波去噪算法

前人的基础上,提出了权值裁剪模糊中值滤波器.该文算法不仅考虑了噪声的检测,还考虑了中心像素周围也有可能存在噪声的情形,并对这些噪声点的权值进行了裁剪.实验表明,该算法比已有文献中的模糊加权均值滤波器以及标准的中值滤波在噪声消除和边缘细节保留方面都具有更好的性能.

基于小波变换和模糊中值滤波的图像边缘检测

小波变换是近年来兴起的信号处理技术。它具有良好的局部化分析特性和多分辨率分析特性,非常适合于图像处理。实际图像中常常含有噪声,噪声在小波变换中会产生大量的奇异点。中值滤波器是一种非线性滤波器,具有良好的边缘保持特性。该文提出了结合小波变换、中值滤波器和多分辨率分析的边缘检测方法,给出了一种自适应选择模糊中值滤波器因子的方法。实验结果表明,该方法是有效的。

新的模糊矢量中值滤波算法

依据模糊综合评判原理提出一种保持彩色图像细节的模糊矢量中值滤波算法。该算法设置一个可在保持图像细节与去噪能力上进行权衡的参数,并基于中值矢量在模长、辐角等方面的特性,计算矢量处于"中间"状态的隶属度来确定中值矢量。该隶属度为图像的细节保护提供分析基础。与同类矢量滤波算法相比较,该算法在运行速度上有明显优势,具有保护图像细节性好、去噪能力强等优点。

基于模糊神经元网络的改进型中值滤波器

本文提出了一种新颖的基于模糊神经元网络的改进型中值滤波器。该滤波器由两部分组成 :第一部分是噪声检测器 ,将待处理像素与其八邻点的灰度差值送入训练好的模糊神经元网络 ,检测出噪声像素 ;第二部分是中值滤波器 ,对于检测出的噪声像素 ,用其相应窗口内的非噪声像素的中值进行替代。实验结果表明 ,本文提出的滤波方法既能有效地滤除噪声 ,又可以很好地保护图像的细节。

模糊加权中值滤波器

本文介绍了一种模糊加权中值滤波器,该滤波器由模糊布尔函数和滤波加权确定。本文用S型函数逼近模糊布尔函数。此外,用模糊理论领域中使用的S型函数逼近所滤波的加权。模糊加权中值滤波器只由4个参数确定。所提出的滤波在均方误差准则下能够由最小均方算法导出。图像复原的实验结果表明,本文介绍的模糊加权中值滤波方法既能去除脉冲噪声和平滑高斯噪声,又能同时有效地保持边缘和图像细节,模糊加权中值滤波器明显优于加权中值滤波器,也优于Wiener滤波器。

矿井视频监控图像改进模糊中值滤波算法

由于矿井空气粉尘较多且光照不均匀,导致井下视频监控系统获取的图像含有大量噪声且明暗不均,在一定程度上影响了对井下生产状况的实时有效监控。为此,提出了一种改进模糊中值滤波算法。首先设计了一种自适应改进模糊隶属度系数计算方法,该方法将图像滤波窗口内像素点的灰度最小值、最大值、均值等作为阈值来计算不同像素点灰度值的模糊隶属度系数,克服了经典模糊隶属度系数计算时需设置大量阈值的不足;然后根据模糊隶属度系数进行模糊加权中值滤波,并对滤波后图像的灰度直方图进行了均衡化处理。采用C#语言编写算法运算程序,试验数据为2幅某矿井视频监控图像,试验中引入了模糊中值滤波、加权中值滤波、开关中值滤波等算法进行对比分析,并对各算法的试验结果采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗时2个指标进行评价,结果表明:改进模糊中值滤波算法相对于其余3类算法而言不仅去噪效果较优,而且耗时较少,对于批量处理矿井视频监控图像有一定的参考价值。

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。滤波过程分为噪声检测和噪声去除2 个阶段。噪声检测阶段:采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。噪声去除阶段:信号点保持原值输出,对于疑似噪声点的3 种分类结果,采用模糊加权的中值滤波器进行统一处理。实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD(EMCCD)图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。

基于模糊中值滤波的图像处理方法

中值滤波器是众多滤波器中既能很好地抑制噪声,又能较好保护图像细节的一个滤波器。尽管如此,依然有很多细节不能被很好地保护。因此,提出了一种模糊中值滤波算法,该算法不像传统中值滤波简单地在像素级上对图像进行去噪处理,而是通过隶属函数将图像灰度值转换到图像特征级处理,该算法不仅能更好地抑制噪声,而且保护细节的性能也有所提高。仿真实验结果表明该方法是可行的。

基于模糊推理的方向中值椒盐滤波算法

针对灰度图像中的椒盐噪声,提出了一种基于模糊逻辑推理的方向中值滤波算法。该算法先利用椒盐噪声的特点,将图像像素点分为信号像素点和噪声像素点,然后利用模糊推理在4个方向上推理出最接近理想值的非噪声点代替当前噪声点。同时算法中采用一种简便的方法检测出噪声点所处的滑动窗口中的边和线。仿真结果表明,该算法能在有效抑制噪声的同时较好地保存图像的细节信息。

高密度椒盐噪声下混合滤波新方法

图像在采集、传输和处理过程中,易受环境、器材及处理方法的影响,不可避免地会产生不同程度的噪声。当噪声密度超过50%时,噪点信息在图像信息中占据主导地位,一般的中值滤波、均值滤波或自适应滤波等单一滤波方式存在着消除噪声的同时滤除了图像自身细节的问题,导致图像不清晰,滤波效果较差。由此提出高密度椒盐噪声下混合滤波新方法,采取降噪、去噪、强化边缘三个层级混合滤波,最后用噪声密度达到80%的图像进行测试验证,有效地滤除了噪声,恢复了图像的细节信息,得到了很好的效果。

基于空间信息的鲁棒模糊C均值聚类的苗族服饰图像分割算法

针对苗族服饰图像中破损污渍、折叠痕迹、色彩差异大和噪声破坏等现象所导致的传统模糊C均值聚类(Fuzzy C-means,FCM)算法分割质量不佳问题,提出了基于空间信息鲁棒FCM算法,用于苗族服饰图像分割。通过均值滤波和中值滤波处理空间邻域信息,对应获得2种方法,并用一个加权参数调节模糊隶属度的稀疏性,旨在加强细节的提取和提高算法对噪声的鲁棒性。实验表明,对于被高斯噪声破坏的图像,基于均值滤波处理的改进算法,其划分系数提高约3.6%,划分熵降低约5.6%;对于被椒盐噪声破坏的图像,基于中值滤波处理的空间约束项的改进算法,划分系数提高约2.7%,划分熵降低约4.3%。该算法提高了对这类苗族服饰图像分割的质量,对于传统文化的传承具有非凡的意义。

一种改进的自适应中值滤波算法

针对未知脉冲噪声强度的退化图像的去噪,提出了一种新的自适应中值滤波算法,该算法主要基于以下两点:(1)根据模糊数学里的模糊度理论及随机脉冲噪声本身的去噪特点,提出了模糊指标的概念,并通过反向二阶拟合来获得噪声的强度信息;(2)引入了反映图像边缘信息的Prew itt梯度算子,并通过实验来得到合适的梯度阈值,以更好地保持图像的边缘等细节信息。通过将该算法与传统的中值滤波、基于排序阈值的开关中值滤波以及Sorin Zoican提出的改进的中值滤波进行的对比实验表明,该算法对噪声的强度有很好的估计,不仅提高了噪声去除的自适应性,尤其对含噪声多的图像的处理效果更为理想。

基于模糊神经元网络的图像融合滤波

为解决图像滤波处理过程中噪声的有效去除和图像细节保留两者难以兼顾的问题,引入了神经网络信息融合技术,通过设计的模糊神经元网络(FNN)对多级F IR中值混合滤波(M FMHF)和5×5中值滤波进行融合,使融合图像在噪声滤除和细节保留上获得较好的平衡。实验仿真表明,FNN网络的融合有效,而且FNN网络的融合性能和学习效率比BP网络更好。

一种混合噪声的模糊滤波算法

为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法。根据不同的区域,不同噪声,通过模糊推理,模糊合成多级中值滤波和模糊加权均值滤波的结果,在滤除混合噪声的同时,保留图像的边缘细节。根据实验结果,从客观和主观两方面比较了本算法和几种方法的效果,表明本方法有较好的抑制噪声,保持图像细节对比度的能力。