一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

一种基于改进的非对称裁剪中值滤波算法

为了在各种噪声密度条件下,都能恢复椒盐噪声污染的图像并能很好地保持图像的细节,提出了一种基于改进的非对称裁剪中值滤波算法清除椒盐噪声.该方法首先对噪声点进行检测,然后基于滑动窗口中噪声点的数目来自适应改变窗口的大小,最后应用一种改进的非对称裁剪中值滤波器计算中值,结果显示该算法各项指标都要优于其它算法.实验结果表明了在各种的噪声密度条件下,该算法能较好地清除椒盐噪声,而且也能较好地保护图像细节,比现存的一些中值滤波算法清除椒盐噪声的效果更加优秀     

基于量子坍缩形态算子的椒盐噪声去除算法

为解决以均方差为量子测量算子构造的量子坍缩形态滤波器去除高密度椒盐噪声的不足,提出一种基于量子坍缩形态算子的椒盐噪声去除方法.基于椒盐噪声的特点,构造一个简单的噪声检测算子;由噪声检测算子生成的标记图像构造新的量子测量算子;为更好地保留图像的细节信息,只对可能噪声点进行量子坍缩形态滤波.仿真结果表明,该方法能有效去除高浓度的椒盐噪声,相比其它滤波算法,具有更强的噪声去除能力和更短的处理时间.     

一种去除椒盐噪声的自适应极值中值滤波算法

针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法。该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出。同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换。实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显。     

一种去除椒盐噪声的自适应开关中值滤波算法

为了滤除图像中高密度椒盐噪声同时又能较好地保护图像细节,提出一种自适应开关中值滤波算法。使用max-min算子作为噪声检测器,利用自适应邻域窗口对图像进行从左到右的逐行扫描,同时对位于窗口中心的像素点进行噪声判别,然后将检测出的噪声点采用中值滤波进行滤除,而信号点保持不变直接输出。实验仿真结果证明了该算法的有效性。     

椒盐图像的方向加权均值滤波算法

椒盐噪声是造成图像污染的主要因素之一,椒盐去噪是图像去噪领域的研究热点。方向加权中值滤波算法计算噪声点滤波输出时存在一定的问题,比如,未排除近邻噪声点的干扰,对方向的估计不准确,对局部灰度特性刻画不完整等。为此,提出一种方向加权均值滤波算法。此算法先根据方向灰度差异和灰度极值判断检测噪声点,然后根据对局部窗口噪声强度的估计自适应地选择递归或非递归滤波窗口的加权灰度均值作为滤波输出。仿真实验结果表明,提出的算法与现有的两种方向加权中值滤波算法相比,PSNR普遍提高了2~3dB和5~6dB,噪声密度高时提高的幅度更加明显;速度提高了接近10倍和30倍。     

改进椒盐去噪方法在井下图像中的应用

为了提高井下图像采集的质量,针对目前改进中值滤波算法的优缺点,提出了一种新的去除井下图像椒盐噪声的算法。该算法首先判断出图像中的噪声点和非噪声点,然后根据窗口内噪声点的密度大小自适应地确定滤波窗口的大小,并按照一定的规律赋予窗口内像素点不同的权重,最后采用加权中值方法处理图像中的噪声点。计算机模拟实验证明该方法不仅能有效地去除不同密度的椒盐噪声,而且能很好地保持图像的细节,滤波效果比已提出的中值滤波算法更好。     

基于相似度函数的图像椒盐噪声自适应滤除算法

在分析现有的细节保护滤波算法的基础上,提出了一种基于相似度函数的自适应权重滤波算法. 主要技术包括分析 Maximum-minimum 椒盐噪声检测算子的局部极值误判缺陷, 并利用具有良好细节保护特性的相似度函数自适应权重算法来解决这一问题. 在滤波过程中采用极值剪切操作来估计图像的局部噪声密度, 用来选择合适形式的滤波窗口(递归或非递归), 从而利用单一的 3×3 滤波窗口就实现了对不同密度椒盐噪声的自适应有效去除. 实验表明, 该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果.     

基于GF（28）域相似函数的椒盐噪声滤波算法

针对数字图像采集及处理过程中广泛存在的椒盐噪声,基于GF（2⁸）有限域,提出一种具有噪声点精确检测能力的改进型噪声滤波算法。根据图像相邻像素相关性,构建了GF（2⁸）域上的相似函数,并据此提出了GF（2⁸）域上的图像自适应椒盐噪声检测算子,可对噪声点准确定位;结合中值滤波算法完成数字图像的椒盐噪声自适应滤除。实验表明提出算法对噪声点定位准确,在图像的恢复和保护图像细节方面对比其他算法有较大提高,对强噪声污染图像的恢复也有较好效果。     

一种噪声密度估计的梯度检测滤波算法

针对高密度椒盐噪声污染图像的去噪声问题,提出了一种噪声密度估计的梯度检测滤波算法。算法首先对含噪声图像进行总体噪声密度检测,计算噪声密度p,对于低密度噪声图像(p≤40%),采用3×3窗口改进的梯度检测滤波算法对图像进行滤波,对于高密度噪声污染图像,采用5×5窗口改进的梯度检测滤波算法对图像进行滤波。实验结果表明,文中算法对高密度椒盐噪声污染图像具有较强的去噪声能力和细节保持性能,具有较高的实际应用价值。     

基于量子衍生的图像中值滤波算法

利用量子衍生思想,借鉴量子信息理论,将归一化的数字图像用量子叠加态的方式表示,分析了量子Hadamard变换的原理,提出了基于量子衍生的图像中值滤波算法。针对受不同程度椒盐噪声干扰的数字图像,分别采用3×3和5×5大小的中值滤波窗口,对传统图像中值滤波算法和量子衍生中值滤波算法进行了去噪仿真实验。从主观视觉角度和客观评价指标两方面,对算法的去噪效果进行了分析和比较。根据信噪比和边缘保持度两种评价指标,客观衡量和比较了算法处理后的结果图像与原始图像之间的灰度值差异,以及算法对图像边缘细节的保持能力。算法仿真结果表明,对相同程度椒盐噪声干扰的图像进行去噪处理时,5×5大小的量子衍生中值滤波算法去噪效果最佳。     

基于双窗口和极值压缩的自适应中值滤波

为了提高中值滤波器的滤波性能和适应不同密度的椒盐脉冲噪声,从噪声检测的准确性、噪声滤除的有效性和滤波速度的实用性等3个方面分别对中值滤波方法加以改进,提出了一种基于双窗口和极值压缩的自适应中值滤波方法(DWECAMF)。该方法采用大窗口检测噪声和小窗口滤除噪声的滤波策略、压缩噪声滤除窗口内极大值和极小值策略以及自适应脉冲噪声滤除策略,以提高图像滤波性能,同时采用了移动滤波策略提高滤波速度以增强其实用性。实验表明,该方法在以上3个方面的性能都有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

基于位函数最优迭代的椒盐噪声滤波算法

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,提出了基于位函数最优迭代 的椒盐噪声滤波算法。利用位函数的细节保证性能,最大限度地恢复图像的细节信息,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及较好的滤波效果。     

基于相关系数模型的新型滤波算法*

针对椒盐噪声滤除问题,提出了一种新的滤波算法：对输入图像进行基于欧氏距离的相关系数建模,利用信号阈值判决区间将像素点分为信号点和噪声点,在相关系数模型下搜索相关性最大的信号点对噪声点进行恢复,信号点不作处理。实验结果表明,该算法对椒盐噪声的消噪性能较其他算法有较大提高。由于对基于窗口的传统操作模式进行了改进,该算法在90%的高密度噪声环境下仍具有较好的滤波性能。     

一种简单的椒盐噪声滤波算法

文章提出了一种基于先定位、后滤波思想的椒盐噪声滤除算法。该算法根据噪声特点,将图像像素分为信号像素或可能的噪声像素两种类别,对于可能的噪声像素,采取去噪中值滤波算法进行滤波,而对于信号像素则不做任何处理,以保留更多的图像细节。文中给出了标准的中值滤波算法、极值中值滤波算法和该文的算法的比较实验,结果表明,该文算法对噪声高度污染图像的去噪能力明显比其它两种算法强,且能较好地保留图像细节。     

一种基于直方图的加权均值滤波方法

根据图像直方图的特点,针对椒盐噪声,提出了一种基于直方图的加权均值滤波方法。该方法首先通过寻找局部极值确定噪声点,并对图像的所有像素做分类标记。处理过程中只考虑标记为噪声的点,以噪声图像的直方图函数作为滤波器的权值,最后将领域内非噪声点的加权均值作为滤波输出。实验结果表明该方法优于中值滤波方法。     

一种噪声密度检测自适应选择策略的滤波算法*

针对灰度图像受椒盐噪声不同程度污染的滤波处理问题,提出了一种噪声密度检测自适应选择策略的滤波算法。先对被噪声污染图像进行噪声密度检测,然后根据检测结果判断图像为轻度污染还是严重污染。对于前者,用3×3窗口统计阈值(STM)的开关中值滤波算法;对于后者,采取先3×3窗口后5×5窗口统计阈值的开关中值滤波算法二次滤波。实验结果表明,该方法不但适应能力较强,而且具有较强的去噪能力和较好的图像细节保护能力。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.