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。

自适应权重的均值和快速中值滤波融合算法的研究

针对传统的图像处理中的加权快速中值滤波和均值滤波存在的缺陷,提出一种新的带自适应权重系数的均值和快速中值滤波融合算法来优化图像处理过程,以满足现代目前安防监控系统实时、高质量、高清晰度的要求。该算法综合了快速中值滤波和均值滤波的优势,在提高图像处理速度的同时改善了图片的质量,对于智能视觉的应用与推广具有重要意义。

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。

自适应中值滤波在噪声图像匹配中的应用

图像在获取或传输过程中可能会受到一些干扰从而产生噪音,使图像丢失某些特征,会降低图像匹配的精度。为了匹配的准确率,文章提出了自适应中值滤波与SIFT特征提取算法相结合的图像匹配算法。先通过自适应中值滤波对图像的噪声点和信号点分别进行处理后采用SIFT算法对图像中的特征点进行检测并获取特征点的描述符,最后在特征匹配的过程中采用FLANN匹配算法完成特征点的匹配。

基于改进的自适应中值滤波的糖尿病视网膜渗出液病变分割

为了提高渗出液病变分割的抗噪性和质量,简化渗出液分割工序及提高分割效率,提出了一种基于改进的自适应中值滤波(IAMF)的糖尿病视网膜渗出液病变分割方法。IAMF考虑将像素点(x,y)邻域中的各像素值的中值和偏置项的加权平均来替换当前像素点的灰度值,且根据噪声判定条件判断中值是否是噪声,在给定范围内自适应改变滤波器的窗口尺寸大小及窗口形状,使得滤波结果突出视网膜渗出液的形状结构,减少或消除可能的出血和其他混杂的视网膜结构。通过实验结果表明,IAMF方法通过自适应改变的窗口尺寸和形状,既兼顾降噪效果和图像细节保护的问题,又能提高图像处理速度。经过改进的自适应中值滤波器预处理后的糖尿病视网膜图像,结合自适应阈值二值化分割的渗出液轮廓清晰、完整,对不同形状、尺寸、光照条件下的渗出液病变具有鲁棒性,有效去除相机成像产生的椒盐噪声。所提出的方法简化了糖尿病视网膜渗出液分割工序、提高了分割效率。

基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声。但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果。针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法。该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息。实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法。

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。

用于图像处理的自适应中值滤波

针对标准中值滤波方法存在的不足 ,提出自适应中值滤波方法 该方法通过噪声检测确定子图像中的脉冲噪声点及噪声干扰大小 ,根据噪声干扰程度选择滤波窗口的尺寸 ,并采用改进的中值滤波方法对检测出的噪声点进行滤波 计算机模拟实验结果表明 :自适应中值滤波能在有效地去除噪声的同时 ,较好地保护图像细节 ,较标准中值滤波具有更优良的滤波性能 。

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。

基于结构自适应中值滤波器的随机噪声衰减方法

本文提出一种保护断层、裂缝等地层边缘特征的结构自适应中值滤波器,用于衰减地震资料中的随机噪声.基于地震反射同相轴局部呈线型结构的假设,采用梯度结构张量估计地层倾向,分析地层结构的规则程度,在此基础上引入地震剖面中线型和横向不连续性两种结构特征的置信度量.结构自适应中值滤波器根据这两种置信度量调整滤波器窗函数的尺度和形状,根据地层倾角调整滤波器窗函数的方向,从而使得滤波操作窗能够最佳匹配信号的局部结构特征.将本文方法用于合成和实际数据的处理,并与两种常用中值滤波方法进行对比,结果表明,该方法能够更好地解决地震剖面的随机噪声衰减和有效信号保真的问题,在增强反射同相轴的横向一致性的同时有效保持了剖面内的地层边缘和细节特征,显著改善了地震资料的品质.

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。

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。

去除脉冲噪声的自适应开关中值滤波

为消除图像中的脉冲噪声,提出了自适应开关中值(ASM)滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点两类。对检测出的噪声点统计其个数并由此估算图像中的噪声密度,根据估计的噪声密度自适应确定滤波窗口尺寸,采用改进的中值滤波对检测出的噪声点进行处理;而信号点则保留其灰度值不予处理。对ASM滤波进行仿真实验,结果表明,它能在有效去除噪声的同时很好地保护图像细节,较传统中值滤波及其它改进中值滤波算法有更优的滤波性能。

基于二维变分模态分解和自适应中值滤波的图像去噪方法

图像在采集、获取和传输过程中往往夹杂着噪声,针对几种常用方法去噪效果不理想,提出了一种新的图像去噪方法。此方法通过二维变分模态分解将图像分解为一系列不同中心频率的子模态,保留其低频模态,并对其进行自适应中值滤波处理,从而得到其去噪后的图像。实验结果表明,与其他几种常用的去噪方法相比,该方法在滤除噪声的同时,能较好地保留图像的边缘细节,图像也获得了较好的视觉效果,此外客观评价参数也得到明显的改善,随着噪声强度加大去噪效果愈明显。

一种改进的自适应保细节中值滤波算法

中值滤波是常用的降噪算法，它可以保留比较尖锐的边界，但是却容易模糊图象的细节。尽管已经有一些改进算法，但效果并不十分理想。文章介绍了一种保细节中值滤波算法，采用了多尺度多方向的窗口，根据图象各部分特性自适应地选择窗口进行中值滤波。实验结果证明，文章的算法优于其他几种常用的中值滤波算法。

改进的变分自适应中值滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,该文提出了一种基于两阶段方法去除图像椒盐噪声的算法。首先,利用改进的自适应中值滤波算法标识出图像中被污染的像素点,然后对被污染的像素点采用变分滤波的方法进行恢复。此方法利用了自适应中值滤波良好的噪点识别能力和变分滤波的细节保护的特性,对于噪声密度高达80%的图像依然可以达到很好的恢复效果。仿真结果验证了所提出算法的有效性,并且在效果上要明显优于传统的变分自适应中值滤波算法。

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.

用于图像处理的自适应多级中值滤波器

研究了一种新的自适应多级中值滤波器（ＡＭＬＭ）在图像处理应用中的一些特性．研究表明：ＡＭＬＭ的细节保护能力介于单向多级中值滤波器（ＭＬＭ－）和双向多级中值滤波器（ＭＬＭ＋）之间，但滤噪能力总是优于ＭＬＭ－，而且大部分情况下优于ＭＬＭ＋．应用于实际噪声图像的滤波结果显示，ＡＭＬＭ优于ＭＬＭ＋及ＭＬＭ－．

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。