图像中的高斯和脉冲混合噪声处理

通常情况下,受脉冲噪声污染的图像采用中值滤波法复原,受高斯噪声污染的图像采用均值滤波法复原.为了去除两者的混合噪声,Lee和Kassam提出了一种改进的均值滤波算法Modified Trimmed Mean(MTM),但是MTM的使用受到了阈值的限制.为了在滤除退化图像中混合噪声的同时能更好地保护图像细节,我们详细分析了MTM滤波的特点,在对MTM进行改进的同时,提出了一种改进的自适应中值滤波算法(统计滤波).该算法无需噪声的先验知识,利用Visual C++自动搜索阈值来实现图像的最佳复原.利用两种客观标准进行评价,实践证明新方法的处理结果优于传统的MTM方法.     

图像去噪混合滤波方法

传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时，由于图像往往会受到两种不同性质噪声的同时干扰，因此，单独采用中值滤波或均值滤波都不会达到最好的去噪效果，为了能同时对两种不同性质的噪声进行滤除，现提出了一种新的混合滤波算法，该算法首先利用局部阈值把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像素采用均值滤波算法，而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。仿真结果证明，该方法更具有实用性和有效性。     

一种改进的中值滤波算法

通常 ,大部分自然图像中同时存在颗粒噪声和高斯噪声 ,而单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题 ,L ee和 Kassam提出了一种改进的均值滤波算法 Modified Trim med Mean(MTM) ,虽然 MTM算法的滤波效果相对于传统的平滑算法已有了很大的改善 ,但是 MTM的滤噪能力在很大程度上受到了阈值的限制。在分析 MTM算法和传统平滑算法结构特点的基础上提出了一种改进的自适应中值滤波算法。该算法对含有混合噪声的图像上每一点的 N× N区域应用自适应算子。对于不同的图像区域 ,算子也相应地有所不同 ,其中算子中的权值选取依赖于区域的灰度中值 ,且当某点的灰度越接近灰度中值 ,其权值就相应地越大。实践证明 ,新算法的处理结果优于传统的滤波算法和 MTM滤波 ,且没有阈值限制     

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。     

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。     

基于噪声检测的激光光斑图像去噪方法

基于受污染图像的噪声检测,提出了一种有效的椒盐噪声图像混合滤波算法。首先利用可自适应变化的矢量窗口检测噪声,并对检测到的噪声进行分类,然后采用所提出的伪加权中值滤波和伪加权均值滤波两种算法对图像进行混合滤波,最后加入背景阈值和孤立噪点修正量对滤波后的图像进行灰度修正。提出的方法对不同椒盐噪声强度下的激光光斑图像均体现出优异的滤波性能,去噪和边缘保持性能得到了较大提高,优于传统的中值滤波、均值滤波及其一些改进算法。     

基于HVS特性的图像自适应中值滤波算法

通过考虑宿主图像亮度、纹理、边缘等特征,提出一种图像自适应中值滤波算法。该算法利用基于人眼视觉特性的临界噪声阈值确定噪声点,根据噪声密度自适应调整滤波窗口大小,采用改进的中值滤波对检测出的噪声点进行处理,从而在去除噪声的同时较好地保护图像细节。实验结果表明,该算法比传统中值滤波及其改进算法有更好的滤波性能,对于噪声污染严重的图像,滤波效果更好。     

基于中值的自适应均值滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声.但是当图像同时存在高斯噪声和脉冲噪声时,单独用那种滤波方法都不会达到最好的去噪效果.针对该问题,提出了一种基于中值的改进自适应加权均值滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其可以更有效地减少噪声,又可以较好的保持图像的边缘细节信息.实验结果表明,该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

一种改进的自适应混合噪声滤波算法

对受到混合噪声影响的图像进行滤波,Lee和Kassam提出了一种MTM(Modified Trimmed Mean)滤波算法.但是MTM滤波算法的滤噪能力在很大程度上受到了阈值的限制,所以滤波效果并不理想.在分析了MTM算法的结构特点及其优缺点的基础上,提出了一种改进的自适应混合噪声滤波算法.该算法与MTM算法相比,滤噪能力不受到阈值的限制,并且对不同的噪声采用不同的滤波方法.通过matlab仿真,分析比较了该算法与其它滤波算法的性能.结果表明,与MTM滤波算法相比,该算法能够更有效地抑制噪声,保护图像边缘细节.     

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。     

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。     

一种改进的脉冲噪声滤波方法

由于数字图像在生成与传输过程中容易受到脉冲噪声的污染,往往造成后续处理难以为继。为了改善图像质量,需要对图像进行去噪处理。针对传统中值滤波及其它非线性滤波方法在去除图像脉冲噪声时存在的不足,本文提出了一种改进的去噪方法:在滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识;然后根据检测结果进行改进的中值滤波:只对判断为噪声点的像素进行处理,不仅考虑了标准中值,也分情况利用了中值的前一个值和中值的后一个值的信息。实验表明,改进方法不仅在滤除脉冲噪声方面相比其他非线性滤波有很大改进,而且它可以更好地保护图像的细节特性,对图像的后续处理有很好的价值。     

一种有效去除脉冲噪声的新方法

提出了一种新的滤波方法。首先从原噪声图像和其中值滤波图像得到细节图像。通过使用一种新的噪声检测方法得到另一幅图像,使其只保留细节图像中的噪声。通过这个图像,可以更加准确地检测出污染图像中的噪声。对噪声图像中的每个像素,相应滤波器输出为原像素灰度值和窗中像素中值的线性组合。当前像素是一个脉冲的可能性越大,滤波过程中对它改变的就越多。与其它的中值类滤波方法相比,该方法不仅可以有效地去除噪声,而且更好地保留了图像细节。     

强噪声条件下激光光斑图像预处理方法研究

为了研究强噪声光斑图像的抑噪方法,采用基于小波阈值法和形态学滤波的级联算法及小波域中值滤波法进行预处理,以信噪比、均方根误差和光强分布作为评估标准,并将处理效果与其他方法对比。结果表明：小波域中值滤波处理效果优于空域中值滤波;级联法的抑噪和光斑特征恢复效果更优于传统方法,其中对-2.0843dB的原低信噪比图像处理后的信噪比、均方根误差分别约为小波变换和空域中值滤波法的1.34、0.81倍和3.14、0.50倍;且原图像信噪比越低,其处理效果相对于传统方法的优越性越明显。     

基于粗集的图像混合噪声滤波算法

实际应用中图像常受到不同类型噪声的同时干扰,为解决混合噪声图像的去噪问题,提出了一种基于粗集的图像滤波算法.该算法将粗集理论应用到图像滤波中,利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除.实验结果表明,该算法在抑制混合噪声时性能优于传统中值滤波、均值滤波等方法,同时也能较好地保护细节信息.