一种小波域多方向自适应加权伪中值滤波算法

为了有效地滤除红外图像中的噪声,提出了一种小波域多方向自适应加权伪中值滤波算法。该算法首先对红外噪声图像的各高频分解子图像分别进行噪声点检测和标记;然后根据各子图像中像素点分布特征分别设计出4类具有多方向性的滤波模板进行自适应加权滤波;最后将低频分解子图像与滤波后的各小波高频分解子图像进行重构。分别将中值滤波(MF)、伪中值滤波(PMF)、极值中值滤波(EMF)、加权中值滤波(WMF)、以及本文算法应用于标准测试图像以及红外图像去噪,并引入峰值信噪比(PSNR)、平均绝对误差(MAE)进行去噪效果评定。标准测试图像和红外图像仿真结果表明,该算法性能明显优于PMF,且相对于与其余几类同类型算法而言,也具有一定的优势。

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。