多重窗口的自适应中值滤波

本文依据中值滤波的基本原理和Sakrison的非均匀图象模型提出一种改进型自适应中值滤波算法——MWMF.实验结果表明,MWMF算法对图象细节具有良好的保护作用.     

快速中值滤波

提出一种针对矩形窗口的图像中值滤波快速算法．它充分利用了相邻窗口间的相关信息，以中值为界将窗口内像素分成两组．当窗口右移一像素，根据当前分组和中值获得新窗口的分值，进而求出其中值．避免了现有算法对每一窗口进行排序取中的操作，降低了计算量     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.     

一种改进的自适应中值滤波方法

非线性滤波方法中中值滤波因其有效的噪声抑制技术,得到广泛应用。针对传统的自适应中值滤波易将高频信号点误分为噪声点,同时容易模糊图像细节的问题,提出一种改进的自适应中值滤波方法。在进行噪声点检测时,引入了最小集合距离测度,有效地避免了将高频信号误判为噪声。实验结果表明,该方法在检测正确率、降噪和保留细节方面都优于改进前的算法。     

自适应中值滤波在数字图像处理中的应用

针对一般中值滤波在滤除脉冲噪声中的不足,提出了自适应中值滤波的方法,论述了其基本原理和具体实现方法,实验证明,此方法对脉冲噪声有很好的滤除效果。     

自适应中值滤波在数字图像处理中的应用

针对一般中值滤波在滤除脉冲噪声中的不足,提出了自适应中值滤波的方法,论述了其基本原理和具体实现方法,实验证明,此方法对脉冲噪声有很好的滤除效果。     

一种改进的图像中值滤波算法

为了满足图像预处理的实时性要求,提出一种基于前一帧图像的改进的中值滤波算法.充分利用相邻窗口间的相关信息,通过移出一列(或一行)像素并移入另一列(或一行)像素,而其余已排序像素保持不变,仅对新移入的像素进行排序的方法,完成中值滤波处理,达到滤波要求.实验证明该算法可以有效地降低图像预处理的复杂度,使传统中值滤波算法的复杂度由原来的O(D2)降到了O(D),应用效果良好.     

一种新型自适应中值滤波算法

对开发大米检测中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法,结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强,特别在噪声密度比较高的情况。     

一种改进的自适应图像中值滤波方法

针对标准中值滤波方法存在的不足,提出了一种改进的自适应中值滤波方法。该方法用求得的均值自适应代替原噪声图像的灰度值。实验结果表明,与标准中值滤波方法相比,该方法在滤除噪声的同时,保留了图像细节且有较好的信噪比,尤其对含噪声密度高的图像的处理效果优势更为明显。     

对多重单向中值滤波器的一种改进

本文针对多重单向中值滤波器的不足对其进行了改进。并且给出了传统的多重单向中值滤波器和改进后的多重单向中值滤波器对图像去噪的结果,并进行了比较。     

基于中值滤波的手指静脉图像增强

提出了一种基于中值滤波的手指静脉图像增强方法,本算法包括去噪、对比度增强和高通滤波增强.中值滤波在去除图像噪声的同时较好地保护了图像所包含的边缘信息,对比度增强加大了血管和背景的整体对比度,最后的高通滤波增强进一步增强了血管和组织的纹理结构.实验表明,本算法不但对图像去噪效果好,而且能有效地增强图像的对比度,改善图像的质量.     

一种中值滤波的快速算法

给出了一种中值滤波的快速算法,该算法利用了两次中值滤波的窗口内数据的相关性。在中值滤波过程中,除了第一个中值要用传统排序算法求得,以后的中值都是通过把新进入窗口元素在前一次排好的序列进行对分查找和内插操作求得。为了更于窗口移动,设计了一种数据结构,可以快速用新移入数据覆盖移出数据,大大减小计数量,还给出了窗口按“之”字形路线移动的２维中值滤波方法。     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

具有细节保护特性的多级中值滤波算法

提出了一种改进的中值滤波算法。该算法对中值滤波进行了两方面的改进,一方面基于区域的统计信息,对噪声点进行分析;另一方面对多级中值滤波的方向进行自适应处理。与中值滤波相比,它具有更好的平滑噪声和边缘保持功能,而且能有效地滤除图像中的随机噪声。     

基于掩膜与仿中值滤波的边缘检测处理

针对医学图像特殊而又复杂的模糊边缘以及难以区分的背景噪声,提出一种基于掩膜理论区分图像边缘信息的区分算法.通过区域对比度、图像像素特征和有限区域中像素均值等相关信息,利用先验知识和仿中值滤波的方法得到较为清晰的边缘信息.用Matlab软件对提出的方法进行模拟,详细分析了掩膜对比的理论模型以及仿中值滤波对于区分效果的影响,验证了该方法的可行性和正确性.实验证明,基于掩膜与仿中值滤波的区分算法和传统的边缘检测方法相比,在辨别相关边缘信息方面具有较好的效果,并在医学图像处理中具有一定的实用价值.