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。

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题,提出了一种去除图像中椒盐噪声的新型滤波算法.该算法采用两级滤波,并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素,以保持这些像素的原灰度值不变,保护了图像的真实性;同时在第一级滤波时采用迭代中值滤波,使滤波效果更佳.实验结果表明,所提出的滤波算法的效果优于现有的滤波算法,尤其是噪声密度超过0.3时,该算法的优势更加明显.

中值检测的迭代中值滤波算法

对于高密度的脉冲噪声,现有滤波算法的去噪性能并不理想,在噪声检测与噪声滤除上存在缺陷。鉴于此,提出中值检测的迭代中值滤波算法,对噪声检测和噪声滤除的方法分别进行有效的改进。算法用灰度最值进行噪声检测,再用邻域中值作进一步的检测。对于噪声像素,运用迭代的方法,用邻域中信号像素的中值取代,充分利用了前次滤波的结果。实验结果证明,相对于现有的滤波算法,所提出的算法有着更好的滤波性能,在滤除噪声的同时,很好地保持了图像的纹理边缘和细节。

一种航空影像密集匹配点云的迭代中值滤波算法

为有效解决基于航空影像密集匹配生成的点云中含有大量的冗余点和噪声信息,影响表面模型(DSM)的质量和后续数字正射影像(DOM)生成效果的问题,提出了一种航空影像密集匹配点云的迭代中值滤波算法。通过引入邻域法向量求和的思想定义空间圆柱体,并以此作为点云剔除的约束准则,判断空间圆柱体内是否需要获取中值点,并结合距离统计分析的方法剔除少量离群点,迭代直至相邻两次输出点云数量差异少于设定阈值。采用具有重叠区域的两类点云数据进行对比实验,结果表明:提出的方法能够有效剔除摄影测量密集匹配点云的噪声,对于存在厚度的冗余点云进行光顺平滑,能够保留完整的边缘特征。

一种消除脉冲噪声的迭代自适应中值滤波方法

基于脉冲噪声的特点提出了一种新的滤波方法——迭代自适应中值滤波方法(Iterative Adaptive Median Filter,IAMF)。本方法根据被脉冲噪声污染的图像的特征,建立相应的权重函数,并结合迭代算法进行噪声消除,处理后的图像不但能够较好地保留细节信息,而且能够保持良好的清晰度。此外,在IAMF滤波过程中,由于噪声点不参与计算,从而有效避免了图像中噪声点对正常像素的影响,同时也提高了运算速度。试验结果进一步证明:当噪声率超过0.5时,该方法的优越性尤为突出,噪声率超过0.9时,图像处理效果仍比较理想。

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。

一个加权中值滤波N次迭代猜想的证明

证明了（１）中提出的关于一个加权中值滤波的如下猜想：加权中值滤波＜１、１、２、１＞的Ｎ次迭代与一个加权中值滤波相等，也证明了在一定意义下这种加权中值滤波是唯一的。

基于噪声强度估计的中值滤波

为了提高中值滤波器的滤波性能和适应不同强度的椒盐噪声,提出了基于噪声强度估计的中值滤除算法.该算法通过椒盐噪声密度估计确定图像中的噪声强度的大小,然后根据噪声强度选择相应的滤波器及参数.计算机仿真实验结果表明:该算法能对未知噪声强度的退化图像在较短的时间内有效地去除噪声的同时,较好地保护图像细节.

电子散斑相位检测的滤波方法研究

本文提出空域中值迭代滤波方法和频域离散余弦变换滤波力法,利用三步相移技术成功实现相位检测。对两种办法所得结果进行了比较。实验结果表明这两种方法对ESPI条纹图像进行处理是有效的。

基于边缘信息引导滤波的深度图像增强算法

由于Kinect传感器的有效测距有限,深度图像会出现黑洞、噪声等问题,传统的深度图像增强算法仅利用彩色图像信息填充黑洞,增强后的深度图像物体边缘不清晰。针对这种情况,提出基于边缘信息引导滤波的深度图像增强算法。首先,分别获取彩色图像和深度图像的边缘信息,通过融合得到作为引导的边缘图像信息;然后,将边缘信息和迭代非局部中值滤波算法相结合进行黑洞填充;最后,利用自适应中值滤波对图像进行平滑噪声的处理。实验结果表明,该算法能够很好地修复深度图像,得到较为清晰的物体边缘。

基于MATLAB的数字图像噪声去除技术研究

针对数字图像处理中的典型去噪方法,采用均值滤波、中值滤波和维纳滤波来达到较理想的滤波效果,并用MATLAB对不同的滤波方法进行分析处理。从分析处理的结果中可以看出,对加了不同噪声类型的同一图像,用同一种滤波方法进行处理以及对加了不同噪声类型的同一图像用不同的滤波方法进行处理时,图像的去噪效果不同。

基于顶帽变换的反锐化掩膜算法

针对传统反锐化掩膜算法对噪声敏感,不能较好地同时增强对比度和细节的问题,提出一种基于顶帽变换的反锐化掩膜算法。通过形态学中的顶帽变换增强图像的对比度,利用迭代中值滤波与原图像的差值获取图像的细节信息,采用自适应调节参数控制细节锐化。由于图像中某些局部细节信息和人类视觉系统具有模糊性,采用模糊数学算子代替普通的加减和数乘进行反锐化掩膜运算。实验结果表明,该算法在整体对比度增强的同时凸显了图像的细节信息,产生了较好的视觉效果。

Iterative Adaptive Median Filter for Impulse Noise Cancellation

Based on the characteristics of impulse noises, the authors establish a new filter, Iterative Adaptive Median Filter （IAMF）. Acccording to the characteristics of images polluted by impulse noises, they establish weight function combined with iterative algorithm to eliminate noises. In IAMF filter process, because the noise sixes do not participate in the computation, they do not influence the normal points in the image, therefore IAMF can retain the detail well, maintain the good clarity after processing image, and simultaneously reduce the computation. Experiments showed that IAMF have ideal denoising effect for the images polluted by the impulse noises; especially when the noise rates are more than 0.5, IAMF is mote prominent, even when the noise rotes are more than 0.9, IAMF can achieve a satisfactory results.