共查询到17条相似文献,搜索用时 93 毫秒
1.
自适应中值-加权均值混合滤波器 总被引:7,自引:0,他引:7
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自适应加权均值滤波的混合滤波方法。该方法先将图像分为若干区域,并对每个区域进行噪声检测以实现两类噪声的分离,然后再分别采用自适应中值滤波和自适应加权均值滤波将分离出的脉冲噪声和高斯噪声去除。对这种新方法进行了计算机模拟实验。结果表明:新方法较前人提及的三种混合滤波方法具有更优的滤波性能,在有效抑制混合噪声的同时能很好地保护图像中的细节,为消除图像中的混合噪声提供了一种有效的途径。 相似文献
2.
3.
对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(ρ,σ)=(0.4, 20)时,采用本文去噪方法,峰值信噪比(PSNR)为34.002 1,平均绝对误差(MAE)为2.365 3。 相似文献
4.
基于中值滤波和提升小波分析的图像去噪方法研究 总被引:1,自引:1,他引:0
针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。 相似文献
5.
6.
7.
8.
9.
粗糙集理论是处理不确定性问题的数学方法,本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中,对含有椒盐噪声的图像进行粗糙中值滤波,然后对滤波后的图像进行小波融合。实验结果表明,粗糙中值滤波有较强的去噪能力,且较好地保持了图像的细节信息,在此基础上进行小波融合,使得融合结果图像具有良好的效果。 相似文献
10.
最小核值相似区低层次图像处理算法的改进及应用 总被引:9,自引:1,他引:8
首先介绍一种能有效地进行边缘、角点检测和滤波等低层次图像处理的最小核值相似区算法,然后提出自适应阈值的选取方法,局部区域灰度重心判据对其算法的改进使得边缘检测算法抗噪能力更强。针对序列图像的具体应用,用改进的边缘检测算法能准确、快速地从噪声图像中得到较准确的边缘信息,用滤波算法对序列图像作预处理,可使互相关跟踪结果更可靠、更准确。 相似文献
11.
自适应红外目标特征增强算法 总被引:2,自引:2,他引:0
利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。 相似文献
12.
目前常用的遥感薄云去除法是同态滤波法,但由于所采用的滤波器的局限性,传统的同态滤波法只能去除处于低频区域的云,而对处于高频区域的云则没有处理效果。因此在研究传统同态滤波算法,选取性能最佳的频域滤波器对图像进行处理的基础上,引入了空域3×3中值滤波,用像素点3×3邻域内9个像素点的中值来代替该点的像素值,旨在对前者无法去除的高频突变云区进行处理。而后结合主观视觉和客观统计分析两方面对仿真结果进行评价,经分析表明,用该方法处理过的影像在信息未受损失的情况下,高频突变云有所减少,达到了预期目的。 相似文献
13.
基于改进旋滤波的电子散斑干涉图滤波方法 总被引:1,自引:0,他引:1
电子散斑干涉术条纹图在成像时不可避免地受散斑噪声调制,去除噪声是散斑干涉条纹处理的一项重要任务。利用散斑条纹图的方向性,提出一种基于模糊方向的旋滤波:在当前点的领域内定义4个模糊方向窗口,将传统旋滤波的一维、精确方向窗口的确定,转变为模糊方向窗口的确定;在确定的窗口内进行低通滤波时,采用自适应加权均值滤波代替传统的中值滤波。利用该方法分别处理模拟散斑条纹图和实验所得的真实条纹图,并与传统旋滤波、双边滤波和小波丢弃子带方法比较。实验结果表明,该改进算法在滤除散斑条纹图噪声的同时,有效保护了条纹的细节信息。 相似文献
14.
讨论了基于天空背景下红外图像空间噪声组成,分析了各种空间噪声的形成原因,给出了红外图像噪声类型及其对图像质量的不同影响。分析结果认为红外图像空间噪声主要为高斯噪声和椒盐噪声。综合考虑均值法和中值法在处理噪声类型上的不同,提出了一种基于简单阈值的改进型中值法。对于不同的阈值,其算子有所不同。而M×N处理区域内每一点算子的权值取决于区域灰度中值,该点灰度越接近中值权值越大。处理后的图像背景更平滑,信噪比和改进的峰值信噪比提高了1.2dB以上,表明改进型中值法优于传统滤波方法。 相似文献
15.
16.
17.
Traditional image denoising algorithms obtain prior information from noisy images that are directly based on low rank matrix restoration, which pays little attention to the nonlocal self-similarity errors between clear images and noisy images. This paper proposes a new image denoising algorithm based on low rank matrix restoration in order to solve this problem. The proposed algorithm introduces the non-local self-similarity error between the clear image and noisy image into the weighted Schatten p-norm minimization model using the non-local self-similarity of the image. In addition, the low rank error is constrained by using Schatten p-norm to obtain a better low rank matrix in order to improve the performance of the image denoising algorithm. The results demonstrate that, on the classic data set, when comparing with block matching 3D filtering (BM3D), weighted nuclear norm minimization (WNNM), weighted Schatten p-norm minimization (WSNM), and FFDNet, the proposed algorithm achieves a higher peak signal-to-noise ratio, better denoising effect, and visual effects with improved robustness and generalization. 相似文献