一种实用的图像滤波算法

在分析经典中值滤波算法基础上,提出了一种实用的图像滤波算法,即图像加窗中值滤波算法.给出了其基本原理与实现过程,并与经典的邻域均值滤波器、中值滤波器、Butterworth低通滤波器、Wiener滤波器进行了滤波比较实验,分别从主观效果及客观参数计算两个方面验证了其优良的滤波性能.     

广义多级混合噪声图像滤波

本文在传统的线性、非线性滤波技术的基础上,提出了一种新的滤波器结构——广义多级混合滤波器。并导出了滤波算法。对受加性噪声(高斯噪声、均匀噪声和脉冲噪声)和信号相关噪声干扰的图像,它具有良好的噪声抑制能力,且有效地保持图像边缘和细节。在噪声图像的均匀区域,它几乎具备最优的滤波性能;在图像边缘区域,它的性能可以与FIR-中值混合滤波相媲美。而且,现有的多级中值滤波、Wiener-中值滤波、中值均值混合滤波、非线性均值滤波和排序统计滤波等都是它的特殊情况。     

量子衍生自适应中值滤波

受量子信息处理理论的启发,提出了一种基于量子测量和量子态坍缩的自适应中值滤波原理。在提出的中值滤波中,移动窗内的图像像素采用量子叠加态表示,通过由窗内像素特征生成的测量算子对窗口图像的作用调整中值运算窗口的大小和形状。一种测量算子的生成方法被提出。计算机仿真表明,所提出的中值滤波器与传统的中值滤波器相比,具有更好的滤波效果。     

一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

一种新型的混合滤波器的设计与实现

对空间域的常用噪声滤波技术的不足进行了分析,提出了一种线性与非线性混合滤波算法。该算法充分结合了中值滤波器和均值滤波器的优点,比均值滤波器和中值滤波器具有更好的抑制噪声的能力,能较好地保持图像的边缘和几何结构细节。最后给出了几种滤波技术的滤波效果比较图,验证了文中提出的滤波新方法对椒盐噪声和高斯噪声的滤除能力。     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节。矢量中值滤波方法在彩色图像滤波中使用广泛。为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足,提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法。该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波。实验结果表明,该算法实现简单,运算量小。滤波过程中能在抑制噪声的同时很好地保留原图像信息。利用滤波器叠加,取得了较好的滤波效果。     

基于改进中值滤波的图像去噪算法

中值滤波算法是一种常见的图像去噪算法,其性能受滤波器窗口大小的影响较大,因此提出一种能够根据噪声点自动调节滤波窗口大小的改进中值滤波算法,可以有效克服中值滤波不能调整窗口大小的缺点,避免图像边缘模糊。通过利用Matlab进行仿真实验,将所提算法与中值滤波和维纳滤波算法进行对比,并计算峰值信噪比（Peak Signal to Noise Ratio,PSNR）来分析去噪结果。实验表明,与中值滤波和维纳滤波相比,改进中值滤波算法能够更加快速准确地去除图像中的噪声。因此,该改进中值滤波算法是一种有效的图像去噪算法。     

一种图像综合中值滤波方法

本文描述了图像中值滤波的原理,提出一种图像综合中值滤波算法,通过测试表明,该算法可明显改善图像中值滤波处理效果。     

基于量子理论的图像中值滤波

在传统图像中值滤波算法中,固定排序窗和无条件中值运算会影响算法的降噪能力。为此,提出一种改进的图像中值滤波算法。借鉴量子理论提出数字图像的伪量子化表示形式,应用量子哈达玛变换引入自适应机制,使排序窗口的大小和形状能根据其移动位置的图像局部特征自适应地变化,并引入有条件中值运算保留图像细节。仿真结果表明,与传统中值滤波和递归中值滤波算法相比,该算法在保留图像细节的同时,具有更强的降噪能力,且噪声强度对滤波效果的影响较小。     

一种自适应加权中值滤波方法的研究

针对传统加权中值滤波器在中心像素的权值选择上难以确定的问题,提出一种简便的改进型中值滤波算法.综合灰度图像的聚集特征和空间特征,构造图像的二维熵,结合传统加权中值滤波算法,设置滤波算法流程,通过观察图像二维熵的变化,合理改变中心像素的权值,以达到对噪声图像进行适度地平滑的目的,既滤除噪声又较好地保留了图像的细节.实验结果表明,新的滤波算法优于传统的中值滤波算法.     

一种用于中值滤波的改进均值划分算法

图像滤波是很多图像处理算法在图像预处理阶段采用的处理措施,而中值滤波不仅能够有效地去除图像中的噪声,而且可以保持图像的边缘细节,从而成为首选的图像滤波方法.由于中值滤波需要使用排序操作,其计算时间复杂度较高,而且在滤波窗口较大时,导致图像滤波耗费较长的时间,不能满足海量、高分辨率图像实时滤波处理的需求.在研究中值滤波基础上,提出一种改进的基于均值划分的快速中值滤波算法,实验表明,该算法可以有效地降低图像中值滤波的时间消耗,特别是在大尺度图像中,当滤波窗口较大时,能够显著降低图像滤波时间,同时,能够与传统中值滤波保持一致的效果,进一步增强了大尺度图像实时处理能力.     

先验自适应中值滤波图像增强算法

通过分析传统中值滤波与自适应中值滤波算法的特点,提出了先验自适应中值滤波算法。该算法的思路是先对噪声进行检测与标识,再构造噪声标识矩阵,根据中值滤波算法原理在取中值时排除邻域内噪声点的灰度值。该算法避免了过度滤波,在保证滤波效果的前提下提高了滤波效率。     

Robust centralized and weighted measurement fusion Kalman estimators for uncertain multisensor systems with linearly correlated white noises

This paper addresses the design of robust centralized fusion (CF) and weighted measurement fusion (WMF) Kalman estimators for a class of uncertain multisensor systems with linearly correlated white noises. The uncertainties of the systems include multiplicative noises, missing measurements, and uncertain noise variances. By introducing the fictitious noises, the considered system is converted into one with only uncertain noise variances. According to the minimax robust estimation principle, based on the worst-case system with the conservative upper bounds of uncertain noise variances, the robust CF and WMF time-varying Kalman estimators (predictor, filter, and smoother) are presented in a unified framework. Applying the Lyapunov equation approach, their robustness is proved in the sense that their actual estimation error variances are guaranteed to have the corresponding minimal upper bounds for all admissible uncertainties. Using the information filter, their equivalence is proved. Their accuracy relations are proved. The computational complexities of their algorithms are analyzed and compared. Compared with CF algorithm, the WMF algorithm can significantly reduce the computational burden when the number of sensors is larger. A robust weighted least squares (WLS) measurement fusion filter is also presented only based on the measurement equation, and it is proved that the robust accuracy of the robust CF or WMF Kalman filter is higher than that of robust WLS filter. The corresponding robust fused steady-state estimators are also presented, and the convergence in a realization between the time-varying and steady-state robust fused estimators is proved by the dynamic error system analysis (DESA) method. A simulation example shows the effectiveness and correctness of the proposed results.     

新型递归多级中值滤波器

结合了Adrian Burlan和Pauli Kuosmanen提出的关于中值滤波的新的递归算法结构,在多级中值滤波器(MLMF)算法基础上提出了一种新的中值滤渡器．该滤波器克服了传统多级中值滤波器一些缺点。实验结果显示,在抑制噪声方面和细节保护方面,该滤波器比传统的多级中值滤波器有着明显的改善．     

一种新型均值滤波器及在压力分布中的应用

提出了一种加入时间窗的时空自适应窗体中心加权的中值均值滤波算法,在自适应的时空滤波窗体内采用中心加权的中值选取并结合加权均值算法滤除压力分布中混合噪声。实验证明：该方法对于受椒盐噪声、高斯噪声污染比较严重的压力分布数据有较好的滤波效果,与小波、维纳滤波等其他线性滤波算法相比计算量要小得多。     

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。     

改进的方向自适应中值滤波器在注塑产品图像预处理中的应用

分析了将现有方向自适应中值滤波器算法应用到注塑产品图像预处理过程中遇到的问题。结合注塑产品图像预处理对于滤波器性能的要求，提出了一种改进的方向自适应中值滤波器算法，通过噪声检测和区域检测实现了对图像中各像素点特性的判别，进而根据各像素点自身特性的不同，有的放矢地确定相应的滤波处理方法。在有效抑制注塑产品图像中噪声的同时，提高了算法的边缘保护能力，大幅缩减了计算用时，很好地满足了注塑产品图像预处理的要求。仿真实验表明了该方法的有效性。     

基于开关3-D中值滤波的视频序列去噪算法

为提高含噪视频序列的质量和效果,提出一种基于开关噪声检测与三维中值滤波相结合的开关3-D中值滤波算法。该算法通过判断视频序列的每一个像素点,对噪声点用3-D中值滤波处理,再对其进行二次判断,如果判为噪声点,则采用变型3-D中值滤波处理,直到去除所有噪声点为止。仿真实验表明,该算法对“雪花”噪声有较好的滤波效果,当处理加入25%的“雪花”噪声时,3-D开关中值滤波比三维中值滤波的信噪比平均提高了10 dB左右。