去除严重椒盐噪声的模糊加权改进算法

去除椒盐脉冲噪声是图像处理中的一个重要问题,提出了一种基于距离关系和模糊关系理论,去除严重椒盐噪声污染图像的恢复方法。该算法弥补了中值滤波在椒盐噪声概率高的情况下,滤噪能力下降快的缺点,经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

基于噪声检测的高密椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度保护图像的细节信息,使得高密度噪声污染图像也能得到较好的恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于二级检测的椒盐噪声滤除算法

针对目前算法不能适用于含不同密度椒盐噪声的图像去噪,提出了一种基于噪声点极值特性和方向差异性的开关型噪声滤波器。检测阶段,采用极值法检测噪声,并计算噪声密度,当噪声密度低于阈值时进行基于噪声点方向差异性的二次检测,否则直接进行滤波;滤波阶段,根据局部噪声密度选择递归或非递归窗口,进行除去窗内噪声点的加权均值滤波。实验结果表明本文算法滤波性能和细节保护都优于传统中值滤波和一些改进算法。     

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。     

去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

高密度椒盐噪声图像开关自适应滤波算法

针对现有算法普遍对高密度椒盐噪声滤波不足的问题,提出一种自适应高密度椒盐噪声滤波算法。该算法首先在分析窗口中确定信号点与可能的信号点分布情况并据此进行噪声检测,然后计算出图像的噪声密度。对于低密度椒盐噪声图像采用邻域信号点均值滤波方法,对于高密度噪声图像（噪声密度大于30%）,则根据窗口中信号点的分布情况采用加权迭代滤波方法。实验结果表明,本文算法比其他算法具备更好的去噪能力,尤其在较高密度（90%）噪声情况下与其他算法相比获得的峰值信噪比（PSNR）仍高出10 dB左右。     

基于细节保留的椒盐噪声自适应滤波算法

针对灰度图像中椒盐噪声的特点,提出了一种更加精确的噪声检测方法:该方法利用滤波窗口内像素点灰度值的不同,将受椒盐噪声污染的图像中像素点划分为噪声点,疑似噪声点和信号点.通过设定阈值,并参考相邻像素点的相关性来进一步区分疑似噪声点,最终建立噪声标记矩阵.对于被标记的噪声点,采用自适应滤波算法,保留更多的图像细节.仿真结果表明,该算法在除去噪声点的同时,对于边缘细节也有非常好的保护作用.     

基于高概率椒盐噪声的模糊滤波器在图像恢复中的算法设计

高概率椒盐噪声对数字图像的重度污染大量存在,如要消除信息少且噪点集中的噪声存在诸多困难;而低概率椒盐噪声对数字图像的轻度污染虽然可完全滤除,但在实际图像恢复中又缺少普遍意义.本文基于灰度值空间的模糊划分和描述灰度水平的模糊数,采用极值法对高概率噪声实施检测并建立恰当滤波窗口,应用广义重心去模糊化法和非噪声点对应的隶属函数设计一种新模糊滤波器.最后,通过仿真实例获得该滤波器可有效地过滤数字图像中高概率椒盐噪声,并说明它的去噪性能优于其他常见滤波器.     

有效保持细节特征的图像椒盐噪声滤除方法

 论文结合几种去噪方法,提出一种统一的图像去噪模型.该模型通过一个统一的目标函数将图像去噪问题转化为最优化问题,目标函数的构造主要包括估计残差惩罚函数、局部权函数及正则化项三个方面.随后基于此模型提出一种新的去除椒盐噪声的非线性滤波方法,其中估计残差惩罚函数采用L1范数形式,局部权函数采用自适应高斯核函数,正则化项则利用图像的小波域稀疏性作为先验约束来构造.由于充分融合了图像的全局和局部统计特性,因而在抑制噪声的同时能够更好地保持图像边缘等细节特征,相关去噪实验结果证实了本文方法的有效性.     

消除脉冲噪声的改进自适应滤波算法

针对灰度图像受脉冲噪声污染后的恢复处理问题,提出了一种改进的自适应中值滤波算法。该方法根据脉冲噪声的分布特点,采用极大值、极小值和领域均值判定准则进行噪声点的检测,然后用检测窗口内最小非噪声点集合的中值作为噪声点的滤波输出。实验结果表明,与其他几种算法相比,文中算法不仅在峰值信噪比(Peak Signal to Noise Ratio)和结构相似度(Structural Similarity,SSIM)上有较大优势,而且还具有较低的时间复杂度和更好的自适应性。也进一步说明该方法不仅能有效地检测并滤除噪声点,还能较好地保护图像的边缘细节。     

基于不确定性信息融合的高密度椒盐噪声降噪方法

为解决高密度椒盐噪声滤除与细节保护之间的矛盾,提出一种基于不确定性信息融合的中智灰滤波算法.该算法包括两个阶段:噪声检测和噪声恢复.在检测阶段,为提高噪声检测准确率,首先利用Max-Min算法进行初测,然后利用极值压缩灰色关联度与顺序不确定性的融合信息进行二次判断.在噪声恢复阶段,为充分利用像素本身的不确定性及邻域像素的灰色关联性,将中智不确定性和极值压缩灰色关联度的乘积作为相似性度量特征,设计了中智灰自适应权重函数.实验表明,针对不同图像,二次噪声检测方案的噪声剔除率可达0.1%~8.8%;该中智灰滤波算法在抑制椒盐噪声的同时能较好地保护图像边缘信息,特别是在高噪声(70%~90%)情况下,算法的综合性能优于现有相关算法.     

一种高效去除椒盐噪声的中值滤波方法

提出了一种基于先检测、后滤波的椒盐噪声滤除算法．将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点．信号点不做任何处理,以保留更多的图像细节．而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0．然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理．实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节．在不同噪声率下均优于标准中值（SMF）滤波法及其一些改进方法,在噪声密度为10％～90％其峰值信噪比（PSNR）平均提高6dB．     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

去除红外图像条带噪声改进算法研究

由于红外焦平面阵列中各探测单元的响应特性不完全一致,导致像元之间存在一定的非均匀性,使红外图像中出现深浅相间的条纹状噪声,这种噪声严重影响了红外图像的质量和解析度。针对红外图像条带噪声的产生机理,在传统距匹配法的基础上,文中从图像灰度均值和方差的角度入手,结合红外图像数据量小、图像内容丰富的特点,将分段多项式拟合和中值预处理的思想分别应用到红外图像条带噪声的消除算法中,得到了改进的多项式拟合滤波法和基于中值预处理的分段拟合滤波法。理论分析和实验结果表明,文中提出的两种算法具有原理简单、实用性强的特点,能够有效地消除红外图像的条带噪声,提高图像信噪比。     

一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

一种改进的InSAR干涉图滤波算法

首先介绍了自适应矢量均值滤波算法的基本原理,接着对该算法提出改进性研究,并利用Microsoft Visual C＋＋编程予以实现,最后将该算法用于实际合成孔径雷达干涉测量技术（InSAR,Synthetic Aperture Radar Interferometry）的干涉图像,通过采用滤波评价指标,得出无论干涉图像中的条纹粗细与否,该算法在保持图像边缘的基础上对图像噪声均具有较好的抑制能力。实验结果表明对于处理含噪声较多的InSAR干涉图像,该算法相对容易实现。     

基于DSP的自适应噪声消除

将基于DSP的自适应滤波器用于通信系统,利用自适应滤波器的通带始终和输入信号频带宽度自适应相匹配的特点,实现通信系统中的噪声消除.实践证明较好地实现了噪声消除,能够达到改善通信质量,增加通信距离的效果.