中值技术在江汉地区地震资料处理中的应用

在低信噪比地震资料处理中,随机噪声的消除是至关重要的。基于方向信号测度的多级中值滤波和中值约束下的矢量分解去噪等中值滤波技术,对江汉地区的低信噪比资料进行了处理,结果表明,随机噪声得到了有效的压制,信噪比得到了明显的提高。     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

图像非线性滤波技术的研究

中值滤波是图像处理中常用的一种非线性滤波方法,该方法能够在有效地去除噪声的同时保持图像的边缘细节,解决了多数线性滤波在去噪的同时模糊图像这一缺点,能获得较好的图像复原效果。适当设计的加权中值滤波能更好地保护图像的细节信息,调节滤波模板参数可以获得理想的滤波效果。另外,中值滤波可以有效抑制脉冲干扰。本文讨论了中值滤波和加权中值滤波,并给出了相应的实验结果和结论。     

常用图像去噪算法的比较与研究

去噪是图像处理中极其重要的步骤.研究了常用的去噪算法并进行改进,还对常用去噪算法进行了对比实验,提出用峰值信噪比(PSNR)、最小均方差(MSE)、归一化绝对误差(NAE)相结合来衡量各种算法的去噪效果.实验表明,自适应中值滤波去除椒盐噪声的效果最好;改进的中值维纳滤波由于融合了二者的优点,其去噪效果和边缘保持能力较维纳滤波和中值滤波好.     

一种改进的快速中值滤波算法

对多种中值滤波算法的去噪效果和耗时进行了研究,提出一种改进的快速中值滤波算法。先采用二分法删除第一列数据,插入窗口第三列数据来求得中值,接着对该像素点进行噪声的确定,然后根据判断结果进行中值滤波处理。此算法将中值滤波算法的排序比较次数降低了一半,使得滤波的速度提高了3．5倍;同时减少了图像细节信息的丢失,提高了中值滤波算法的信噪比。     

基于自适应中值滤波的图像去噪技术研究

中值滤波和自适应中值滤波被广泛地应用于消除图像的椒盐噪声。传统中值滤波算法无法根据图像噪声浓度改变窗口尺寸,并且噪声浓度过高时,中值滤波算法基本失效。自适应中值滤波算法可以根据椒盐噪声浓度大小对窗口尺寸进行改变,在高浓度噪声干扰下仍然具有较好的去噪效果。针对椒盐噪声,对中值滤波算法和自适应中值滤波算法去噪结果进行比较。通过仿真实验对图像添加不同浓度的椒盐噪声,并分别使用中值滤波算法和自适应中值滤波算法进行噪声去除,实验结果表明,在去除椒盐噪声方面,自适应中值滤波克服窗口尺寸局限性后,比中值滤波具有更好地去噪效果,能很好地保留图像细节,且它的信噪比、峰值信噪比数值最大,均方误差的值最小。     

基于粗糙集的图像中值滤波算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具.它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.文中将粗糙集理论应用到图像滤波中,提出了一种基于粗糙集理论的图像中值滤波算法.给出了标准中值滤波算法和文中算法的比较实验,结果表明,该算法去噪能力强于标准中值滤波算法,且能较好地保持图像的边缘细节信息.     

中值滤波与均值滤波的去噪性能比较

推导和讨论了中值滤波和均值滤波的去噪性能,分析和实验表明,在更一般的噪声模型下,当噪声污染的概率较小时,中值滤波抑制噪声的能力优于均值滤波,而当噪声污染的概率较大时,均值滤波抑制噪声的能力优于中值滤波。     

一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

几种典型数字图像中值滤波算法的对比分析

中值滤波方法是图像去除噪声的重要方法之一,广泛应用于数字图像处理中。本文为了更好地检验滤波方法的效果,在图像中添加随机和椒盐两种常见噪声,对多级中值滤波、开关中值滤波和极值中值滤波算法进行仿真,以峰值信噪比和归一化均方差（NMSE）作为客观评价标准,对几种典型中值滤波算法进行了对比分析。结果表明,中值滤波既可以去除图像中的噪声又能保护图像的边缘和轮廓。     

基于FPGA的中值滤波算法研究与硬件设计

本文以FPGA为平台,使用VHDL硬件描述语言设计并实现了中值滤波图像处理算法.在设计过程中,通过改进算法和优化结构,在合理地利用硬件资源的基础上,有效地挖掘出算法内在的并行性,采用流水线结构优化算法,提高了处理速度.文中提出了一种快速中值滤波算法,可以大大节省硬件资源,同时提高了处理速度.     

基于点检测的脉冲噪声中值滤波算法

提出了一种基于噪声点检测的中值滤波算法.该算法通过灰度变化率设置阈值判别脉冲噪声点,并将脉冲噪声点信息记录到与图像对应的噪声记录数组中.滤波过程中,根据噪声记录数组的信息,剔除噪声点周围的其它噪声点的灰度信息,使噪声点的灰度值得到较好的还原.该算法与标准中值滤波算法相比,能在滤出脉冲噪声的同时,较好地保留图像的细节信息.     

CT图象处理中一种改进的中值滤波法

在传统中值滤波的基础上,根据扫描进入计算机后人体关节CT图象的特点,提出一种在消除孤立噪声、保护边缘的同时使图象边缘得到增强的改进中值滤波法。这种方法可以使CT图象处理具有高的准确性、实时性。     

MATLAB与OpenACC结合实现中值滤波算法并行优化

针对当前基于CUDA的中值滤波并行加速算法存在的编程复杂,图像数据提取和显示环节实现繁琐等问题提出了利用MATLAB和OpenACC结合的并行算法。该算法采用MATLAB实现图像的提取并转换成数组文件,之后利用OpenACC实现串行代码到并行代码的转换并处理MATLAB转换的数组文件,最后通过MATLAB将滤波后的数据显示成图像。通过仿真实验进行中值滤波算法的加速实验,结果表明:提出的算法在大量减少代码转换工作量的情况下加速效果较串行程序提升明显,且与CUDA加速效果相当。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

PCNN与灰度形态学相结合的图像去噪方法

通过总结脉冲噪声的特性,将脉冲耦合神经网络(PCNN)与数学形态学相结合,提出了一种基于PCNN与数学形态学的脉冲噪声去除方法。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置;然后利用数学形态学开-闭滤波对其进行去噪处理,并将结果与中值滤波、形态学开-闭滤波及PCNN与中值滤波相结合的方法进行了比较。结果表明,本文方法取得了良好的效果,但是以比中值滤波和形态学滤波更多的运算时间为代价的。在和PCNN与中值滤波相结合的方法结果相当的情况下,本文方法的运算时间较少。     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷---对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法。该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度。先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块。最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。