基于自适应中心加权中值和Goldstein的InSAR干涉图强噪声滤波方法

针对现有的滤波方法在处理强噪声干涉图时的不足,提出一种基于自适应中心加权中值和Goldstein的两步干涉图滤波方法。试验结果表明,构造的针对强噪声干涉图的两步滤波法在滤除噪音的同时,可以很好地保存干涉图的条纹信息。与经典的Goldstein方法相比,新方法的滤波效果可以提高22.4%和43.6%。

一种消除椒盐噪声的迭代自适应加权均值滤波

针对传统的均值滤波和多种中值滤波不能有效去除高密度椒盐噪声的不足,提出一种迭代自适应加权均值滤波算法。为了能够对图像外围的像素点进行滤波,沿四周进行图像扩展。根据椒盐噪声的极值特性,将像素点分为噪声点和信号点,噪声点采用多轮迭代,利用前次滤波的结果,求取滤波窗口非噪声点灰度值的加权均值,基于与窗口中心像素的空间距离计算加权系数;信号点保持原值。滤波窗口尺寸根据窗口内是否含有非噪声点自适应地由小变大。选用5种不同的算法在噪声密度20%~80%范围内进行仿真对比,验证算法的有效性。仿真结果表明,与其它4种算法相比,在低密度噪声时,该算法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性指数(Structural Similarity Index, SSIM)优势明显,在80%高密度噪声时仍然保持突出效果,PSNR值至少提高4.26 dB,验证了该算法对高密度椒盐噪声具有更好的滤波性能,很好地保持图像的纹理边缘和细节。

自适应型中心加权的中值滤波器

针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值,从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明,新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.

自适应中值-加权均值混合滤波器

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和自适应加权均值滤波的混合滤波方法。该方法先将图像分为若干区域,并对每个区域进行噪声检测以实现两类噪声的分离,然后再分别采用自适应中值滤波和自适应加权均值滤波将分离出的脉冲噪声和高斯噪声去除。对这种新方法进行了计算机模拟实验。结果表明:新方法较前人提及的三种混合滤波方法具有更优的滤波性能,在有效抑制混合噪声的同时能很好地保护图像中的细节,为消除图像中的混合噪声提供了一种有效的途径。

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明:该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。

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。

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波(IAWMF)算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口(N×N)的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明:改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比(PSNR)、均值平方误差(MAE)、均值绝对误差(MSE)显著优于其他算法,在降噪和保持细节中取得很好的平衡。

图象中心加权中值滤波的改进与应用

中心加权中值滤波具有较好的边缘保持特性及快速实现的特点，但滤噪能力低于其它中值滤波。此文探讨对中心加权中值滤波的改进方法，提出了中心加权分级实现的思想，使之同时具有边缘保持、快速滤波和噪声去除的理想效果。

图像快速自适应加权中值滤波

中值滤波由于可对随机噪声起到良好的去除效果因而在信号恢复中得到了较为广泛的应用。本文提出了一种新的快速自适应加权中值滤波算法以提高中值滤波算法的性能。该算法通过噪声检测确定图像被污染的程度,再根据污染情况选取不同的加权值。为提高中值滤波的速度,作者基于数组分布范围有限这一特征提出一种多级分阶的统计直方图中值求解方法。实验证明该算法在抑制噪声的同时也能较好地保护细节信息,并且能有效地提高标准中值滤波的速度。

一种改进的B超图像自适应加权中值滤波

将Speckle噪声的统计特性及超声图像的对数压缩变换应用于加权中值滤波 ,对权系数的选择进行了改进 .使得能够保留更多的细节内容 ,而对Speckle噪声的去除能力并没有降低 .实验证明所提出的方法具有良好的效果 .

自适应加权中值滤波在地震图像中的应用研究

针对中值滤波可以有效抑制随机噪声的特点提出一种新的自适应加权中值滤波算法。该算法可有效分析地震图像噪声分布特点,依据被污染情况确定权值域。实验证明,该算法在提高中值滤波性能的同时有效地消除了地震图像的噪声,并很好地保持了图像边缘细节,提高了地震图像的信噪比。

基于隶属度函数的自适应加权中值滤波

均值滤波能较好的平滑图像的噪声,但对于高密度的脉冲噪声的抑制能力却有限,针对标准中值滤波的缺点,作者提出了一种基于隶属度函数的自适应加权中值滤波算法。该算法先通过对窗口内像素点进行噪声检测,根据噪声点的个数自适应的调整滤波窗口大小,再按照各像素点隶属度的大小,将各信号按照隶属度的大小赋予权重,最后采用加权中值滤波算法处理信号点,输出结果。

一种改进的自适应加权中值滤波算法研究

图像在传输和处理过程中不可避免地存在边缘、细节信息破坏、垃圾噪声加载等问题,需要对输出图像进行过滤。对此,分析了几种典型的改进后的中值滤波算法,在此基础上提出了一种新的自适应加权中值滤波算法(WAMF)。该算法汲取了常见中值滤波算法的优缺点,通过噪声检测确定图像中的噪声点,根据窗口中噪声点的数量自适应调整滤波窗口的大小,像素点在滤波窗口中按照特定规律自适应分组,按照相似度值给各组像素点分配权重值,对检测到的噪声进行合理滤波。仿真结果表明,WAMF算法不仅可以有效去除噪声,而且较好地保存了图像细节,滤波性能优于常见中值滤波算法。

自适应加权中值滤波图像去噪算法

中值滤波是常用的降噪算法,本文提出了一种基于窗口拟合曲线的斜率信息的自适应加权算法。该算法具有较好的边缘保持特性及去噪性能。

用于图像处理的加权中值滤波算法

提出了一种基于相似度函数的自适应加权中值滤波算法。该方法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,并根据相似度大小,巧妙地将滤波窗口内各个像素点自适应分组并赋予相应的权重,最后对检测出的噪声点进行加权中值滤波。计算机模拟实验结果表明:该算法既能有效地滤除噪声,又能较好地保护图像细节,比标准中值滤波具有更优良的滤波性能。

改进自适应中值滤波的图像去噪

针对传统自适应中值滤波算法的不足,提出了一种改进的自适应中值滤波算法,该算法引入了角度和相关性,第一,根据角度α的大小,判断当前像素点是否为可疑噪声点,再由其像素间的相关性判断此可疑噪声点是否为噪声点。第二,把排序得到的中值与窗口中所有像素点的均值加权得到新的灰度中值,再将噪声点用新的灰度中值替代,从而达到滤除噪声的效果。实验结果表明,该算法滤波,既能有效地平滑噪声,又能保存细节,效果远优于传统自适应中值滤波算法。

基于图像增强的改进自适应加权均值滤波算法

提出了一种具有增强效果的图像滤波算法。该算法滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为3个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。实验结果表明该滤波算法在噪声滤除和图像细节保持方面具有较好效果。

一种改进的金相图像处理自适应加权均值滤波方法

金相组织图像分析是显微图像分析中的一个重要内容。由于噪声的存在会对图像分析带来很大的误差,因此进行图像分析前需要对金相图像进行滤噪处理,从而使图像的细节更加突出,便于目标识别。针对标准均值滤波方法存在的不足,提出自适应加权均值滤波方法。该方法通过检测确定图像中的脉冲噪声点,并用改进的均值滤波方法对检测出的噪声点进行滤波。实验结果表明,自适应加权均值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准均值滤波具有更优良的滤波效果,而且可与更大窗口的中值滤波效果相媲美,其处理速度比大窗口的中值滤波快。

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。

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变。试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果。