中值滤波的快速算法

本文提出一种中值滤波的快速算法．本算法充分地利用相邻两次中值滤波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排序算法求得，接着对排序得到的有序序列运用对分查找算法和内插操作，得到以后的各中值。本算法可比现有的中值滤波算法大大地提高运算效率。     

基于不同窗口形状下的CT图像中值滤波算法

CT作为医学影像工具,对CT图像的去噪声处理是医学图像预处理中的重要环节,中值滤波是传统滤波算法中对滤除椒盐噪声有较好滤波性能的方法之一,滤波窗口形状有着多样性。文中对于不同形状窗口进行了程序编写,研究了不同形状的滤波窗口、不同窗口大小的中值滤波算法对CT图像的去噪效果,这些影响到中值滤波中心像素值的选取以及滤波处理的计算量。实验结果表明,中值滤波的效果有差别,为改进中值滤波算法及对CT图像的去噪声处理提供了参考,同时也有利于研究中值滤波与其他滤波方法结合进行去噪声处理,可以更好地保留图像的细节。     

一种多子窗口中值加权的高斯噪声滤波算法

为了有效地去除图像中的高斯噪声,提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口,并将其划分为9个3×3子窗口区域,先找出每个子窗口的中值像素点,然后求出每个中值像素点与它们的中值点差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明,该算法对图像中的高斯噪声具有较好的滤除性能,并且较好地保持了图像的细节,效果优于传统的滤波算法。     

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。     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。     

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。     

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.     

基于改进多级中值滤波的加权滤波算法

为了有效地抑制图像中的椒盐噪声,更好地保持图像细节,提出一种基于多级中值滤波的加权滤波算法。算法采用5×5滤波窗口,如果中心点为噪声点,则将滤波窗口划分为水平和垂直10个条形子窗口,先计算每个子窗口内所有非噪声点的均值,作为加权运算的基础值,然后求出这些基础值的中值,利用每个基础值与它们中值的差计算出每个基础值的相应权值。最后将这些基础值与对应权值进行加权运算,将结果替换中心点的像素值;如果中心点为非噪声点,则保持原值不变。实验结果表明,该算法对于高密度椒盐噪声污染的图像具有良好的去噪性能,并且较好地保持了图像的细节,效果优于传统的中值滤波算法和多级中值滤波算法。     

一种改进的加权均值滤波算法

当图像中同时存在脉冲噪声和高斯噪声时,传统的中值滤波算法和均值滤波算法均不能达到较好的去噪效果。针对这一问题,提出了一种改进的加权均值滤波算法。算法采用局部阈值优化的方法计算各像素点的权值,将滤波窗口各像素点的灰度值与对应的权值进行加权运算,结果作为窗口中心点的滤波输出。仿真实验结果证明,该算法对脉冲噪声和高斯噪声具有较强的去噪能力,且较好地保持了图像的细节,效果均优于传统中值、均值滤波算法和改进的中值滤波算法(IMF)。     

区域差异性测度选点向量中值滤波

提出区域差异性测度（DM），它反映一个像素点与它周围像素点的不协调程度，由此判断该点是否为噪声点。优化了DM的2个主要参数，并以此为基础提出了DM选点矢量中值滤波（DMNVM），即用DM判断移动窗口中心像素点是否为噪声点，若是利用矢量中值滤波（VMF）处理，否则保持原像素点不变。结果表明，DMNVM滤波性能明显优于现有的VMF、递进开关中值滤波（PSM）、标量中值滤波（SMF）、与标量中值距离最小向量滤波（MMVM）和方向矢量中值滤波（VDF）；同近年提出的自适应向量滤波（AVMF）比较，AVMF客观指标平均绝对误差（MAE）、均方误差（MSE）和标准色差（NCD）分别是DMNVM的1．81、2．59和2．17倍，这说明DMNVM的滤波性能有显著提高。     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

基于横向拓展窗口的快速图像中值滤波算法

中值滤波是一种基于空域排序统计的图像降噪方法,可在滤除噪声的同时有效保护图像的细节信息。传统中值滤波一般采用冒泡排序法来对方形窗口内的像素灰度值进行排序操作,像素之间的比较次数多,处理时间长,不利于实时图像处理。基于图像并行处理的思想,提出了一种基于横向拓展窗口的快速中值滤波算法。算法将传统的方形窗口进行横向拓展,从而改变滤波窗口漫游的滑动步长,同时可以有效利用算法执行过程中的比较信息,达到提高整幅图像处理速度的目的。实验结果表明,算法能够满足图像降噪高精度、高实时性要求。所提出的算法通过牺牲芯片面积来换取处理速度,适宜于在现场可编程门阵列等硬件上实现。     

一种适用于椒盐-高斯干扰信号的自适应滤波改进算法

图像通信由于成像设备自身特点和通信过程中的光-电转换机制,一般含有椒盐-高斯干扰信号,信号交叉影响会导致单一的滤波方法效果不佳甚至失去作用。为了同时有效抑制两种干扰信号,提出了一种适用于椒盐-高斯干扰信号的自适应滤波改进算法。该算法首先通过干扰信号噪声点辨识与滤波窗口自适应扩展,计算信号噪声辨识过程中各扩展窗口归一化系数和一次加权联合滤波中间输出,然后利用多层级窗口中间输出值进行二次加权优化滤波,减少干扰信号噪声点对联合滤波输出的影响,最后针对计算量大的问题,在中值滤波过程中提出均值分割方法,提高滤波算法实时性。实验结果表明,该方法能有效抑制椒盐-高斯干扰信号噪声,算法实时性较好,优于多种传统及其演进滤波算法。     

基于×字形窗口的自适应中值滤波算法

传统的中值滤波方法在去除脉冲噪声的同时会损失部分图像细节,且运行速度也不能很好地满足实时性要求。在此对Matlab工具箱中的中值滤波算法进行改进,提出一种基于×字形滤波窗口的自适应中值滤波算法。该方法具有根据3×3的×字形窗口中噪声点个数自适应调整滤波窗口大小及根据矩阵的对称性及基本的逻辑运算实现×字形窗口的特点。实验结果表明,与传统的方形窗口中值滤波算法相比,该方法在有效去除椒盐噪声和脉冲噪声的同时,较好地保持了图像细节,缩短了运行时间。     

心电快速中值滤波器的设计

在分析传统中值滤波算法中影响滤波速度的关键因素的基础上,提出了一种相对快速非排序的中值滤波算法。并把这一算法应用到心电信号采集中。实验结果证明该算法滤波速度快,能够应用在如单片机这种运算速度相对比较缓慢的MCU中。给出的仿真结果表明该滤波器滤波效果优越、性能稳定。     

声呐图像中的混合噪声抑制方法

针对含有混合噪声的声呐图像,提出了中值滤波与形态学滤波的组合算法,并对常用的图像滤波算法以及算法组合进行了定量分析比较,仿真结果表明,中值滤波和形态学滤波的组合算法对于声呐图像中混合噪声的滤除是较为理想的.     

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。     

快速高效去除图像椒盐噪声的均值滤波算法

针对常见滤除椒盐噪声算法需要使用阈值、运算时间长、去除噪声效果不理想等缺陷,提出了一种快速高效去除图像椒盐噪声的均值滤波算法。新算法对滤波窗口下的疑似噪声像素,有针对性地选择少数信号像素构成信号像素集合,取集合中的元素均值对疑似噪声像素进行滤波。实验结果表明,对于噪声密度为1%到99%的图像,新算法均具有良好的去除噪声能力和保持细节能力,而且整个算法耗费时间很少,因而具有较大的实用性。