一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。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。     

一种有效的混合噪声滤波算法

以噪声特点和图像结构分析为基础,提出了一种有效的混合噪声滤除算法。算法首先通过极值判断和像素间的相容性检测,分离出脉冲噪声并以中值滤波滤除;然后对含有高斯噪声的图像以模糊滤波算法进行降噪处理。实验结果表明,本算法能有效地滤除图像中脉冲与高斯混合噪声,且较好地保护了图像细节特征。     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

基于自适应流形高维滤波的太赫兹图像滤波算法

针对太赫兹图像分辨率差,噪声严重和信噪比低等不足,提出了一种基于自适应流形高维滤波的太赫兹图像降噪算法。算法利用中值滤波滤除太赫兹图像的强噪声点,再利用自适应流形高维滤波去除图像中的大部分噪声,最后通过基于拉普拉斯高斯算子的边缘增强对二次滤波后的结果图像进行图像增强。实验结果表明,该算法对于太赫兹图像有良好的降噪效果,在滤除图像中噪声的同时,图像的边缘和细节部分也得到了较好的保留。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

一种抑制混合噪声的组合滤波算法

为了滤除图像中存在的混合噪声,提出了一种基于中值和均值的组合滤波算法。算法分两步进行,第一步采用改进的中值滤波算法过滤图像中的椒盐噪声;第二步将滤除椒盐噪声的图像采用均值滤波算法进行平滑,滤除高斯噪声。计算机仿真实验表明,组合滤波算法对于图像中的椒盐噪声和高斯噪声具有较好的滤除效果和细节保护作用,性能明显优于传统滤波算法。     

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。     

一种自适应双边滤波点云去噪算法

目前双边滤波算法的空间方差σ_s和灰度方差σ_r凭借经验预先设定参数。然而,人工设置参数往往取值不合理,以致出现噪声不能滤除或者不同区域存在降噪和保留边缘特征之间矛盾的现象。文中提出一种自适应参数选择的双边滤波点云去噪算法,该算法首先为每个采样点建立k-邻域,然后以该点处的微切平面为视平面,在该视平面上利用目标尺度信息实现空间方差σ_s局部自适应取值,从而实现双边滤波算法自适应以保留更多的边缘特征。实验结果表明,所提出的方法滤波效果较传统双边滤波在边缘特征细节失真方面明显提高。