一种小波域改进双边滤波的水果图像去噪算法

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响,使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合,提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解,对于各高频子图像,给出了相似像素的基本定义并分别设计出尺寸为5的多方向的相似像素检测窗口;然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小,分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明,该滤波算法性能优于双边滤波算法以及小波域双边滤波算法,对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

一种针对图像脉冲噪声的改进中值滤波算法

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法.该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作.以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声.实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整.     

一种结合图像增强的高斯噪声组合滤波算法

为了有效滤除图像高斯噪声,将滤波算法与增强技术有机结合,提出了一种具有增强效果的组合滤波算法.该算法首先针对经典中值滤波无法有效滤除高斯噪声的缺陷,从滤波模板的角度对其加以改进,对高斯噪声进行多角度、多尺度、多级串联滤波处理,以滤除一部分噪声;然后将均值滤波引入到小波域中,对图像残余噪声实现小波域逐级均值滤波,实现对噪声的基本滤除;最后设计出一种新型小波域增强函数模型,通过设定阈值,将滤波后图像分为若干个区域,分别进行不同程度的增强处理,通过结合具体实验对不同强度下噪声与增强函数系数的取值进行定量分析,给出两者之间的函数关系式.实验证明,该滤波算法对于高强度的高斯噪声有较好的抑制效果,并且具有一定的自适应性.     

一种基于椒盐噪声新型组合滤波算法仿真研究

提出了一种新型组合滤波算法。该算法首先在噪声方差估计、滤波模板类型和尺寸大小等方面对自适应维纳滤波进行改进,对图像噪声进行预处理;其次将预处理后的图像进行二维多尺度小波分解,由于低频子图像基本不受噪声污染,故不作处理;然后对开关中值滤波分别从噪声检测、噪声分类、噪声滤波等方面进行改进,并给出具体实现步骤,用于小波域高频子图像滤波;最后将滤波后高频子图像和低频子图像进行小波系数重构。实验结果表明,两类改进滤波算法在滤波性能上均优于原始算法,在抗噪性和细节保持等方面具有一定优势。     

一种针对图像脉冲噪声的改进中值滤波算法北大核心

针对中值滤波算法在图像脉冲噪声处理中存在的不足,提出一种新的改进中值滤波算法。该方法根据噪声图像的极值和像素点滤波窗口的局部信息对滤波窗口内像素点(含待处理像素点)是否为噪声点进行判断,剔除滤波窗口内的噪声点,然后根据新的滤波窗口及待滤波的中心像素点灰度值信息进行滤波操作。以迭代的方法更新噪声图像中的每个像素点,从而去除图像中的脉冲噪声。实验结果表明,与传统中值、加权中值、多级中值滤波方法相比,该方法能有效去除图像中的脉冲噪声,并保持图像细节特征完整。     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

一种新的自适应小波阈值SAR图像滤波算法

为有效降低乘性斑点噪声对合成孔径雷达（SAR）图像的影响,提出了一种新的基于小波系数广义高斯分布（GGD）模型的自适应阈值估计去噪算法。首先分析了经对数变换的SAR图像小波系数的统计分布特性,然后提出了子带自适应阈值估计方法,通过对数变换,将该算法应用于含斑点噪声的SAR图像去噪。仿真图像和真实SAR图像的实验结果表明,该算法同目前流行的其他阈值算法相比,运算复杂度低,算法高效,并且在保留原始图像重要细节特征和图像后向散射特性的同时,显著地减少相干斑噪声。     

基于Shearlet变换域图像噪声混合滤波方法

在深入分析Shearlet变换理论的基础上,给出具体的Shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法.该方法首先对噪声图像进行Shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对Shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构.通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果.     

一种基于Shearlet变换域改进自适应中值滤波算法

为了有效滤除图像中大量存在的脉冲噪声,提出了一种基于Shearlet变换域改进自适应中值滤波方法。首先在对Shearlet变换进行深入分析的基础上,给出了Shearlet分解和重构基本步骤;然后实现对含噪图像进行多尺度Shearlet变换,对获得多个尺度下的分解系数采用从噪声检测、噪声滤波等环节改进的自适应中值滤波算法(IAMF)进行噪声抑制;最后实现滤波后分解系数重构。分别与经典中值滤波(MF)、自适应中值滤波(AMF)以及Shearlet变换域阈值法进行比较,实验结果表明,该滤波算法滤波性能较好。     

基于PCNN噪声检测的两级脉冲噪声滤波算法

为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。     

一种改进的图像中脉冲噪声滤波方法

提出了一种估计脉冲噪声强度的方法,并针对传统中值滤波(MF)法在去除脉冲噪声时存在的不足,给出了一种由噪声检测和噪声滤波2个阶段组成的图像滤波方法.实验结果表明,采用本文估计方法获得的噪声强度偏差较小,噪声滤波方法能在有效去除噪声的同时保持图像的边缘.     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

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。与其它先进方法相比,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。