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 .

基于同态滤波与自适应模糊多级中值滤波级联算法的散斑噪声污染图像恢复

提出了一种用于恢复散斑噪声污染图像的同态滤波与自适应模糊多级中值滤波级联算法 ,计算机仿真实验结果表明它既保持了图像的几何结构 ,又有效地抑制了散斑噪声 。

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.

利用自适应迭代多级中值滤波法分离海上多震源混合波场

多震源激发技术可提高海上地震勘探作业效率,但其混合波场的分离是影响成像的关键因素。伪分离记录中次震源波场在共炮集域之外的其他时域中呈现与主震源波场不同的随机分布特征。本文采用自适应迭代多级中值滤波去噪法以实现海上多震源混合波场的分离,迭代过程中通过自适应减小中值滤波窗口逐步提取波场细节信息。海上实际多震源采集混合炮集记录的波场分离结果表明,分离后的各震源单炮记录清晰,频谱特征相近,证实本文方法具有很好的实际应用价值。

一种新的自适应多级中值滤波器

本文在多级中值滤波器（MLM）的框架下引入了自适应的机制，提出一种新的自适应多级中值滤器（简记AMLM），其中，自适应机制的建立借助于两个自适应子窗口，这两个子窗口根据各基本子窗口的顺序统计量（包括中值）的比较关系．以这些基本子窗口为基本单元自适应构成。新的滤波器与MLM有非常相近的细节保护特性，但是比MLM的滤噪能力有较大提高，此外，与MLM相同，AMLM不需要任何关于信号及噪声的先验知识。本文分析了新滤波器的特性，并给出了显示滤波器效果的实验结果。

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。

二维多级中值滤波技术在随机噪声消除中的应用初探

二维多级中值滤波技术是信号处理中的一项成熟技术,它不仅具有自适应性,而且具有窗口的可变性。本文将这项技术用于地震勘探中的噪声压制,重点分析了噪声条件与滤波因子长度的关系。本文中定义的噪声条件包括噪声强度及噪声分布密度两个因素。当噪声条件固定时,二维多级中值滤波效果以5点滤波长度为最佳;当固定噪声密度时,改变噪声强度对滤波长度的选取不起决定性作用;当固定噪声强度,改变噪声密度对滤波长度有很大的影响。此法通过实际资料的处理,不仅能有效地压制随机噪声。

一种模糊自适应滤波算法的研究与实现

为解决均值滤波和中值滤波算法在数字信号处理中存在的问题,提出一种模糊自适应滤波算法.根据每个元素噪声度的大小控制均值滤波窗口的大小,并做了大量的仿真.与普通的均值滤波和中值滤波进行比较发现,该方法不仅很好地去除了信号中混有的脉冲,而且在不损坏信号细节的前提下,很好地滤除了噪声信号.最后,使用了信噪比改善因子S来检验算法的滤波效果,证明其滤波效果好于传统的中值滤波和均值滤波,且具有算法简单、实时性好等特点,并已经应用在很多场合.

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。

基于自适应模糊阈值小波的图像去噪

针对小波变换多分辨分析(MRA)的特点,本文提出一种多尺度分级的自适应模糊权重中值滤波的去噪方法.首先,利用开关控制策略的模糊理论建立隶属函数,用高斯自适应模型对噪声点进行预检测,然后在每一级小波变换过程中应用自适应模糊中值滤波(AFWMF)算法进行噪声滤波.实验表明,常规的小波去噪方法只能去除图像中的高斯噪声,该方法既能去除高斯噪声也能去除非高斯噪声.与中值滤波方法相比,该方法在去噪的同时能保留大量的原图像边缘、细节等重要信息,具有更好的去噪效果.

针对椒盐噪声的开关模糊滤波器

自适应中值滤波随着椒盐噪声密度增加滤波图像细节损失较大。在开关滤波和自适应中值滤波的基础上提出了开关模糊滤波(SF)。SF用Max-Min算子检测噪声点,然后根据滤波窗口中正常点数量以均值方法或者T-S模糊方法去噪。仿真实验表明,开关模糊滤波比自适应中值滤波能更好地保护边界和细节。开关模糊滤波在消除噪声和细节保护之间取得了良好的平衡。

基于局部统计信息的模糊选择滤波算法

提出了一种基于局部统计信息的模糊选择滤波算法,该算法的输出是sigma滤波器与多级中值滤波器滤波结果的加权复合,其权值则是通过对图像中局部统计信息的推理得到的。因此,该算法能够根据图像的具体情况自适应地进行滤波。试验表明,本算法能够有效滤除图像中不同种类的噪声,并具有很好的细节保护能力。

基于自适应梯度先验的旋转模糊图像复原算法

弹载红外成像系统随弹体作高速旋转运动时,在曝光时间内获取的图像存在严重旋转模糊问题,给后续的目标识别与图像跟踪造成极大困扰。针对此问题,提出了一种基于自适应梯度先验的旋转模糊图像复原算法。该算法通过使用自适应梯度先验的正则化项,对从图像中沿旋转模糊路径提取的一维向量在频域内进行反卷积运算。同时针对使用Bresenham算法提取像素方法产生的空穴点问题,设计了一种查表决策的自适应中值滤波算法。仿真实验结果表明,相对于改进的维纳滤波、约束最小二乘滤波、梯度加载滤波,该算法能有效地适应低信噪比干扰环境,具有较强的噪声抑制和削弱振铃效应的能力。

一种新的图像去噪混合滤波方法

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模糊加权均值滤波的混合滤波方法。该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪。仿真结果证明,该方法更具有实用性和有效性。

基于图像处理和模糊识别技术的烟叶病害识别研究

为快速有效地诊断识别烟叶病害,提高烟草病害诊断水平,首先采用自适应中值滤波技术对采集的角斑病和野火病图像进行去噪处理,然后采用快速模糊C-均值聚类算法对病斑进行分割,最后提取烟叶病斑颜色、形状和纹理方面的特征,采用模糊识别技术对病害进行自动识别。实验测试表明,该模型对病害样本进行处理识别的正确率较高,能够满足生产的实际需求。

基于核模糊聚类优化算法的脑核磁共振图像分割研究

目的:脑核磁共振(MR)图像中普遍存在噪声的影响,传统的核模糊C-均值(Kernel Fuzzy C-means,KFCM)算法无法得到理想的脑组织分割结果,为此提出一种基于核模糊聚类优化算法的分割模型。方法:首先通过粒子群算法确定KFCM的初始聚类中心,然后利用自适应中值滤波消除图像中的噪声,最后采用该模型分别对不同的图像进行实验。结果:该方法不仅能迅速确定图像的初始聚类中心,并且有效地消除图像中的噪声。结论:与传统KFCM算法相比,提出的模型具有更高的精确度和分割效率。