一种去除图像混合噪声的快速PGF滤波

1.引言 在图像处理的预处理阶段中,噪声的滤除往往非常重要.高斯滤波和中值滤波是最常用的滤波方法.其中高斯滤波对滤除高斯噪声非常有效,但会损坏图像的边缘信息,从而使图像变得模糊起来.而中值滤波能很好地滤除脉冲噪声,却对消除高斯噪声则效果不佳.两者共同的缺陷是对滤波窗口中所有邻域像素都采用一致的处理,从而会引入误差,损坏图像的边缘和细节.于是能快速地滤除混合噪声,又能保护好图像边缘信息的自适应滤波方法成为图像滤波中主要的研究热点.

一种彩色图像去噪的快速PGF滤波算法

提出了一种去除彩色图像噪声的快速PGF滤波算法。首先介绍了基本的PGF滤波算法,然后在分析PGF滤波算法的基础上,提出了一种简化的PGF滤波算法。最后,对该算法进行了仿真研究,仿真结果表明该算法在完成图像的噪声平滑和边缘保持的同时实现了图像的快速滤波。

两种基于同组概念滤波方法的实验研究

介绍了两种基于同组概念的滤波方法——PGF滤波和PGVMF滤波。PGF滤波可适用于灰度图像和彩色图像,在去除混合噪声、平滑图像的同时,很好地保护了图像的边缘信息。PGVMF适用于彩色图像,能够在去除噪声的同时增强图像边缘。实验证明,PGF滤波和PGVMF滤波与常规的滤波方法相比具有更好的去噪能力和边缘保护能力。

混合分水岭变换和改进FCM的图像分割方法

分水岭变换是图像分割的一种强有力的形态工具,能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点,综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割,提出了一种新的混合分割算法-HWIF(Hybrid Watershed and Improved FCM)分割法。与MeanShift算法及区域合并算法相比,该方法充分利用了区域的灰度和区域间的空间信息。实验结果表明该算法能有效克服分水岭算法的过分割问题,且分割效果优于以上两种方法。

示温漆色彩量化及其图像分割算法研究

提出了一种基于颜色聚类和区域特征相结合的示温漆图像分割算法。利用PGF滤波算法进行图像的噪声滤波,通过聚类算法在HSV颜色空间对示温漆图像进行色彩量化,最后利用区域增长和合并方法达到分割目的。实验结果表明,与其它针对自然真彩图像分割的算法相比,本算法的计算复杂度相对较小,对示温漆图像分割的效果良好。

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。