基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。     

基于循环中值滤波根信号的边缘检测器

研究了受噪声污染图像的边缘检测问题,提出一种基于循环中值滤波的边缘检测算法,该算法在进行边缘检测时对不同噪声都有较好的抑制能力。计算机模拟表明,该方法抗噪能力较好,计算较简单。     

基于中值与均值滤波的边缘检测优化算法

图像在采集过程中容易受到视角、尺度、亮度、污渍、模糊等不确定因素的影响,造成较大失真.为减少失真,提高边缘提取的精度,在多噪声环境下,提出了中值与均值滤波相结合的边缘检测优化算法,实验仿真结果表明,该算法能有效抑制噪声,能提高图像边缘提取的精度.     

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.     

一种改进的中值滤波算法及其应用

为有效解决传统中值滤波算法在保护图像细节方面存在的缺陷,提出了一种改进的中值滤波算法.该算法对滤波窗口中像素进行了分块处理,再对处理的数值取中值.通过对图像边缘像素进行横向和纵向扩展,改善了图像的边缘信息.将该算法应用到医学图像中,并将实验结果与其他算法进行了比较,证明了本文算法的有效性,在去除噪声的同时,更好地保护了图像的细节.     

伪彩色图像边缘平滑的中值滤波方法

对伪彩色中的色块图像边缘平滑处理，经过比较和实验不同的滤波方法，介绍了中值滤波有着其它滤波器所没有的良好特性。对中值滤波的窗口选择进行了详细地分析和讨论，并提出了中值滤波实施中的改进方法。     

动态方向加权二维多级中值滤波的图像处理

在图像解译和识别过程中,经常需要对图像进行增强处理,以提取重要的信息。结合机器视觉、图像处理等图像增强方法,根据二维多级中值滤波原理,改进该算法,由于二维多级中值滤波在图象处理中是对图像进行固定的中值滤波处理,不能随着图像的复杂性进行变化处理,方向性不强,窗口大小不变,利用动态方向加权二维多级中值滤波方法进行图像增强处理,根据图像复杂的变化动态调整窗口大小和权值,该动态加权处理增强方法突出了视觉处理目的,达到了满意的视觉增强效果。图像处理前后的相似系数达到0.868 3,在原始图像比较复杂的情况下,可以改善后期图像处理过程,提高图像分析(解译)的正确性和有效性。     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象中值滤波框架,给出了该方法具体实现的实例。该图象中值滤波与传统中值滤波方法相比较,在有效抑制噪声的同时,能更好地保护边缘信息。     

数字图像中值滤波检测

在数字图像取证研究中，目前研究方向均着重于恶意篡改图像内容的检测，包括复制一粘贴操作、移走前景人物等。然而由于保持图像内容不变的后处理操作，如对比度增强、锐化、各类去噪滤波等，会对图像取证算法的准确性造成一定的影响。由于中值滤波的非线性特征，它被广泛用于各类反取证攻击中。通过提取简单而有效的特征，来检测数字图像是否经过了中值滤波。实验结果证明了算法的有效性。     

基于混合中值滤波的图像去噪处理

本文结合线性滤波技术和非线性滤波技术,对受高斯噪声、泊松噪声和椒盐噪声影响的图像采用局部均值再取中值的滤波方法进行去噪处理。实验结果表明,该方法较好地实现了图像中混合噪声的滤除和图像细节的保留,显著提高了图像的清晰度、可懂度和信噪比。     

一种改进的中值滤波算法

讨论了非线性滤波的特点，分析了中值滤波的属性，在阈值分解的基础上，提出了一种非线性递归中值滤波的改进算法．对其在信号和图像处理中的应用进行了初步的探讨，给出了该方案的仿真结果，结果表明，改进后的中值滤波算法与传统的中值滤波算法相比，前者在去噪同时保护边缘信息方面大大优于后者．     

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。     

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.     

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。     

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.     

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。     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

一种快速图象中值滤波算法

提出了一种基于灰度图象的二维中值滤波快速算法。该算法每次只考虑滑动窗中移出和移入的数据，避免了传统算法中因排序所需的大量数据比较，该算法比较次数仅与前后两次窗口中值的差值成正比。     

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