基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

一种自适应图像去噪混合滤波方法

结合自适应中值滤波技术和自适应压缩加权均值滤波技术,提出了一种新的图像混合噪声滤波算法。算法首先对受混合噪声污染的图像利用灰度极值检测出脉冲噪声,运用自适应中值滤波滤除脉冲噪声;其次对处理结果进行自适应压缩的加权均值滤波。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

扩展自适应中值滤波器的原理与实现

在图像处理领域中噪声滤除是图像预处理阶段一项必不可少的工作。在许多场合都会遇到高强度噪声的图像，特别是椒盐噪声的滤除非常困难。本文对空间域的常用噪声滤波技术的不足进行了分析，提出了一种新的滤波器技术——扩展自适应中值滤波器技术。该技术不仅继承了原自适应中值滤波器技术的优点，而且还弥补了它的不足，解决了高强度噪声干扰下图像的滤波问题，滤波效果相当理想。最后，给出了几种滤波技术的滤波效果比较图，验证了本文提出的滤波新方法对椒盐噪声的滤除能力。     

一种基于脉冲噪声检测的图像均值滤波方法

论文提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用均值滤波方法滤除脉冲噪声的方法。该方法首先采用串行方式,对含有脉冲噪声的图像进行逐点检测,其中判断噪声点的阈值可自适应地调整。采用窗口长度自适应调整和选择性取样的均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地滤除脉冲噪声,又可以较好地保持图像边缘细节,对图像的后续处理有很好的价值。论文最后给出了实验滤波结果,说明了该方法的有效性。     

一种去除图像混合噪声的滤波算法

经典的中值滤波和均值滤波常常被分别用来滤除脉冲噪声和高斯噪声,但是当图像同时存在脉冲噪声和高斯噪声时,这两种滤波算法都不能达到最好的滤波效果。为了能同时滤除两种不同性质的噪声,提出了一种新的混合噪声滤波算法。该算法首先根据脉冲噪声的特点和像素的局部能量信息,分离出脉冲噪声并采用中值滤波算法加以去除,然后对含有高斯噪声的图像采用均值滤波算法进行去噪。试验结果表明,该算法在有效滤除混合噪声的同时,能很好地保护图像的细节,从而为去除图像中的混合噪声提供了一种有效的途径。     

一种去除图像混合噪声的快速PGF滤波

1.引言在图像处理的预处理阶段中,噪声的滤除往往非常重要。高斯滤波和中值滤波是最常用的滤波方法。其中高斯滤波对滤除高斯噪声非常有效,但会损坏图像的边缘信息,从而使图像变得模糊起来。而中值滤波能很好地滤除脉冲噪声,却对消除高斯噪声则效果不佳。两者共同的缺陷是对滤波窗口中所有邻域像素都采用一致的处理,从而会引入误差,损坏图像的边缘和细节。于是能快速地滤除混合噪声,又能保护好图像边缘信息的自适应滤波方法成为图像滤波中主要的研究热点。     

自适应控制迭代的随机值脉冲噪声滤波

定义了一种更接近实际噪声情况的随机值脉冲噪声模型,针对随机值脉冲噪声的滤除提出一种自适应控制迭代次数的滤波算法。算法包括噪声检测、噪声滤除、误检像素修正和迭代控制四个步骤,对固定值脉冲噪声和随机值脉冲噪声均能有效滤除。与中值滤波算法进行实验比较,在滤除随机值脉冲噪声时,该算法滤波后图像细节信息保护较好,且滤波过程无需设定迭代参数,自适应性强。     

中值滤波器在图像去噪中的应用

噪声处理是图像处理中较为重要的环节,中值滤波是一种常用的非线性信号处理技术,在图像处理中,它对滤除脉冲干扰噪声最为有效。文章阐述了中值滤波的原理、算法以及在图像处理中的应用并给出了程序示例。     

一种彩色图像混合滤波的方法

提出了一种彩色图像混合滤波算法,对混有高斯和脉冲噪声的图像进行去噪处理。算法首先滤除受脉冲噪声污染的像素点,采用基于个数判断脉冲噪声的中值滤波算法;其次滤除受高斯噪声污染的像素点,采用对称近邻均值滤波算法。实验结果表明,与传统的中值滤波和均值滤波算法相比,该算法能够有效地去除高斯和脉冲噪声,同时能够保留更多的图像细节信息。     

基于灰色关联系数的混合噪声滤波算法

为了有效地抑制由椒盐噪声和高斯噪声组成的混合噪声,提出一种基于灰色关联系数的混合噪声滤波算法。检测出椒盐候选噪声点,采用动态滤波窗口对椒盐候选噪声点进行分类处理,利用均值滤波后的图像信息有选择地修正受高斯噪声影响较重像素点的灰度值,对其进行高斯滤波处理。实验结果表明,该算法能有效地滤除混合噪声,提高图像的清晰度,为研究灰色关联理论滤除混合噪声提供一种有效的途径。     

图像噪声滤波的研究方法及进展

图像噪声滤波作为图像处理的前端,直接影响后续图像处理的各个环节。介绍的图像噪声滤波的方法主要有空间域去噪、变换域去噪及几种新兴的图像噪声滤波方法,在分析了各种算法优点和缺点的基础上,对图像降噪的最新研究方向进行了展望。     

小波域上图像非线性扩散滤波

提出一个小波域上图像扩散滤波恢复新模型。主要思想是把原图像作为最精细尺度下的小波子带，根据噪声分布的特点，导出保护较大尺度下信息的泛函模型代替小波阈值除噪，对泛函求变分得：Euler-Lagrange方程。新的滤波方法能避免小波阈值除噪的伪Gibbs现象，改进了同类型非线性扩散方程滤波的效果。利用可加算子分裂(AOS)格式求非线性扩散方程的数值解。实例的数值计算说明对图像滤波和保护边缘的有效性。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

自动金丝球引线键合机图像识别系统

自动金丝球焊机是半导体制造后端工序的关键设备之一,图像识别系统是其核心技术.通过直方图均衡、种值滤波实现图像的增强、去噪,采用MPSA算法减少计算量,同时结合计算机并行处理技术,利用MMX指令对图像处理部分进行代码优化.该图像识别系统已成功应用于手动金丝球焊机中,将其改造为自动金丝球焊机.     

SRAD-CNN for adaptive synthetic aperture radar image classification

The performance of synthetic aperture radar (SAR) image classification based on a conventional convolutional neural network (CNN) is limited by a trade-off between immunity to speckle noise and the ability to locate boundaries accurately. Difficulties regarding the accurate location of boundaries are a result of the smoothing effect of the pooling layer. To address this issue, we propose a novel framework called SRAD-CNN for SAR image classification. In this framework, we apply a filtering layer constructed according to prior knowledge of the speckle reducing anisotropic diffusion (SRAD) filter. The filtering layer can not only reduce speckle but also enhance the boundaries. The main parameter that controls the degree of filtering can be optimized adaptively by a backpropagation algorithm. Image patches adaptively filtered by the filtering layer are then put into the CNN layers to assign a label. Due to the effect of the filtering layer, for our proposed SRAD-CNN, both the speckle noise immunity and the sensitivity to boundaries are superior to those of conventional CNN.To confirm the performance of the proposed SRAD-CNN, we conducted experiments using both simulated and real SAR images. The experimental results demonstrated that the parameter of the filtering layer could be optimized adaptively for different scenes, different noise levels, and different image resolutions. The SRAD-CNN outperformed the conventional CNN in both overall classification accuracy and maintenance of boundary accuracy on images with different resolutions and noise levels with limited training samples.     

方向小波域的选择性阈值SAR图像去噪

SAR图像去噪一直是SAR图像处理中一个具有特殊意义的研究课题。噪声抑制的关键是解决图像平滑与保持纹理之间的矛盾。提出了一种基于方向小波的选择性阈值SAR图像去噪算法。该算法利用方向小波的多方向框架对图像作12个方向的分解和变换。针对方向小波分解图像所产生的系数序列长度不同的特点,利用白噪声的置信区间,将不同长度的系数分成3组,对中间长度的系数序列采用统一阈值,对其他长度序列采用白噪声置信区间阈值处理。为了更好地保持图像细节信息,将每一尺度高频系数的方差中值作为噪声方差估计值。利用真实的SAR图像进行去噪试验,与几种经典的空域滤波和小波软阈值算法进行比较结果表明,该算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了97和0.15。     

Contrast Enhancement Based Image Detection Using Edge Preserved Key Pixel Point Filtering

In existing methods for segmented images, either edge point extraction or preservation of edges, compromising contrast images is so sensitive to noise. The Degeneration Threshold Image Detection (DTID) framework has been proposed to improve the contrast of edge filtered images. Initially, DTID uses a Rapid Bilateral Filtering process for filtering edges of contrast images. This filter decomposes input images into base layers in the DTID framework. With minimal filtering time, Rapid Bilateral Filtering handles high dynamic contrast images for smoothening edge preservation. In the DTID framework, Rapid Bilateral Filtering with Shift-Invariant Base Pass Domain Filter is insensitive to noise. This Shift-Invariant Filtering estimates value across edges for removing outliers (i.e., noise preserving base layers of the contrast image). The intensity values are calculated in the base layer of the contrast image for accurately detecting nearby spatial locations using Shift-Invariant base Pass Domain Filter (SIDF). At last, Affine Planar Transformation is applied to detect edge filtered contrast images in the DTID framework for attaining a high quality of the image. It normalizes the translation and rotation of images. With this, Degeneration Threshold Image Detection maximizes average contrast enhancement quality and performs an experimental evaluation of factors such as detection accuracy, rate, and filtering time on contrast images. Experimental analysis shows that the DTID framework reduces the filtering time taken on contrast images by 54% and improves average contrast enhancement quality by 27% compared to GUMA, HMRF, SWT, and EHS. It provides better performance on the enhancement of average contrast enhancement quality by 28%, detection accuracy rate by 26%, and reduction in filtering time taken on contrast images by 30% compared to state-of-art methods.     

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一.针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测.该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声.而后运用最大类间方差法(Otsu...     

小波包和多小波图像数字水印的研究与比较

介绍了小波包和多小波两种数字水印技术，比较了二者的应用特点和优越性，并对不同的图像进行了试验和对比研究。结果表明，在宿主图像、水印的嵌入位置和对水印的攻击类型相同的条件下，多小波水印在图像增强、添加噪声和滤波的攻击实验中抵抗能力要好于小波包。而基于最优基的小波包水印能够更好地抵抗剪切、JPEG压缩和马赛克等操作，具有更好的自适应性，并且从实用价值来看，小波包水印方案更易于操作，实用性更强。     

Noise removal for SPOT HRV imagery

Abstract

SPOT HRV imagery acquired in ‘double’ mode displays near vertical striping occurring every seven or eight pixels in the down-track scan direction. Six digital image restoration procedures have been examined for suppressing or removing this noise. Image restoration by filtering in the spatial frequency domain was found to be the most effective procedure. However, although less effective at noise removal, a simple median filtering procedure could be used with greatly reduced computational cost.