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     

Context model based edge preservation filter for impulse noise removal

In this article, a new edge preserving contextual model based image restoration technique is proposed for images affected by impulse noise. The proposed restoration technique consists of two stages: noisy pixel identification and restoration. Center sliding window is considered as current processing pixel for both noisy pixel identification and restoration. In the first stage of the proposed technique, we follow an absolute directional difference of the neighborhood pixels to identify the pixels those are affected by impulse noise. We propose an edge preserving contextual model to restore the noisy pixels. The noise correction stage of the proposed scheme depends on the context model of the noise-free pixels in the selected window. The parameters of the contextual model are obtained using a Gaussian kernel. The proposed algorithm is tested on nine benchmark test images. The evaluation of the proposed algorithm is carried out by comparing it against nine competitive state-of-the-art algorithms for impulse noise removal. The proposed algorithm is evaluated using Peak Signal to Noise Ratio (PSNR), Mean Structural Similarity Index (MSSIM), Non-shifted Edge Ratio (NSER) and Correlation Factor (CF) performance measures. Experimental results corroborate that the proposed algorithm provides better performance than the existing state-of-art impulse denoising methods.     

递进的迭代脉冲噪声检测

目的 脉冲噪声是引起图像质量下降的主要原因,其滤除工作一直是图像处理领域的研究热点。对现行开关滤波算法在脉冲噪声检测时间、检测精准度和恢复策略上存在的问题进行理论分析,提出一种递进的迭代脉冲噪声检测算法(PIND),使噪声图像能够获得更好的恢复效果。方法 首先,采用具有全局统计意义的灰度直方图确定脉冲噪声与真实像素之间的灰度值的上边界和下边界,根据这个界线区分出疑似点和真实点;然后,利用具有局部结构意义的方法将噪声点从疑似点中寻找出来并判断噪声类型,存储在决策表G中;最后,根据决策表G中存储的噪声类型信息采用3种不同的的恢复策略滤除噪声。结果 对Lena、Peppers和Monkey 3幅具有代表性的图像增加不同密度和尺度的噪声进行对比实验,得出的数据表明,本文算法的脉冲噪声检测时间比现行两种经典算法提高520倍和15倍;检测精准度比现行经典开关滤波算法更加精准,准确率可以达到99%以上;恢复图像也具有更好的视觉效果和12 dB的峰值信噪比(PSNR)提升。结论 提出递进的迭代脉冲噪声检测算法能够在有效滤除脉冲噪声的同时,充分保护图像细节和恢复图像原有特征,并能够在噪声检测时间和精度以及峰值信噪比上弥补现行开关滤波算法的不足。     

基于双阈值及迭代法的图像脉冲噪声检测算法

为了减少图像中的脉冲噪声对后续图像处理的影响,针对脉冲噪声的特点,提出了双阈值和迭代法的噪声检测算法。双阈值选取方法理论可靠,两次迭代保证了噪声点检测具有较高的正确率,最后的选择性中值滤波算法也使得图像的细节不被模糊。实验结果表明,所提算法具有较强的自适应性、较低的噪声漏检率以及较好的滤波效果。     

基于非局部平均滤波的冲击噪声图像恢复算法*

针对随机值冲击噪声污染图像的恢复问题,研究了冲击噪声环境下的非局部平均滤波模型,并在模糊权重非局部平均滤波算法的基础上加以改进,解决了原算法在低噪声比率下恢复性能欠佳以及算法时耗过高的问题。改进之处如下：第一,提出了一种信赖度参数设置准则,并在该准则指导下设置了新的信赖度门限参数;第二,根据冲击噪声模型特点重新规划了滤波策略,提升了算法的运算效率。大量实验数据证明,所提算法无论在低噪声比率还是高噪声比率下均能有效去除冲击噪声,尤其对于纹理性较强的图像有显著的去噪效果。同时,所提算法拥有较高运算效率,实用性得以提高。     

信号点自适应生长算法和图像脉冲噪声的抑制

针对脉冲噪声的抑制问题,提出了一种利用图像中未被污染的信号点向外自适应生长来消噪的快速自适应算法。算法首先利用信号阈值判决区间提取出输入图像中未被污染的信号点形成信号矩阵并作标记,同时计算信号密度;然后利用信号密度自适应控制信号点按一定幅度向外生长;最后对生长后的信号矩阵进行归一化处理和修正,得到滤波结果。与当前消噪算法相比,所提出的算法在消噪效果和复杂度方面优势较为明显。     

一种基于脉冲噪声检测的中值滤波方法

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中值滤波滤除脉冲噪声的方法。该方法将含有脉冲噪声的子图像样本空间,通过核函数映射成为高维空间中的一个超球体,计算该球体半径R及对应的球心向量a。对于测试样本,比较其到超球体球心的距离d与球体半径R两者之间的关系,若两者差的绝对值小于某一阈值,则不存在噪声,反之存在噪声。采用中值滤波方法,对检测到的噪声点进行滤除。与其他算法相比,提出的算法对噪声的判断更加准确,滤除噪声的方式更加合理,适用的图像范围更加广泛,具有更好的滤波性能。     

An efficient approach for the removal of impulse noise from the corrupted image using neural network based impulse detector

A new efficient approach to detect the impulse noise from the corrupted image using feed forward neural network (FFNN) is presented. A modified version of the arithmetic mean filter is proposed to remove the detected impulse noise. The performance of proposed noise detection approach is analyzed using the performance measures such as False Alarm Ratio (FAR), Missed Noise (MN) pixels and Falsely Detected Noise (FDN) pixels. The simulation results show that these performances are robust even at higher percentage of noise. The filtered result is compared with the other recent approaches in terms of Peak Signal to Noise Ratio (PSNR). The proposed method produces remarkably good results both in quantitative measures and qualitative judgments of image quality.     

基于灰度密度和四方向的随机脉冲噪声检测

提高检测正确率的同时降低漏检率和错检率是脉冲噪声检测过程中的难点。提出了两阶段的检测方法,第一阶段,根据窗口中心点的灰度密度小于某阈值检测噪声,分5次迭代,对每次检测到的噪声进行中值滤波,滤波图像作为下一次检测的输入图像;第二阶段,用窗口4个方向检测噪声,并根据MAD值自适应设定阈值。以512×512的Lena和Boat为测试对象,添加10%至50%的随机脉冲噪声进行仿真实验,结果表明,随着噪声密度的增加,错检数都稳定在较低值,漏检数保持在理论上的低值。     

图像脉冲噪声的自适应长距离相关迭代滤波法

提出一种基于局部极值噪声检测的自适应长距离相关迭代滤波算法.该算法首先采用局部极值法进行噪声检测,然后在一定的搜寻范围内计算信号点与噪声点的背景均方误差值,并以该背景均方误差值为基础采用自适应加权法进行滤波,最后将这一滤波过程进行迭代计算.实验结果表明,该算法滤波效果优于传统的滤波算法,它可以有效地去除图像中的脉冲噪声,并较好地保持图像细节信息,在噪声密度很大的情况下也表现出很好的滤波性能.