自适应中值-加权均值混合滤波器

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和自适应加权均值滤波的混合滤波方法。该方法先将图像分为若干区域,并对每个区域进行噪声检测以实现两类噪声的分离,然后再分别采用自适应中值滤波和自适应加权均值滤波将分离出的脉冲噪声和高斯噪声去除。对这种新方法进行了计算机模拟实验。结果表明:新方法较前人提及的三种混合滤波方法具有更优的滤波性能,在有效抑制混合噪声的同时能很好地保护图像中的细节,为消除图像中的混合噪声提供了一种有效的途径。     

闪光照相CCD图像的自适应中值滤波方法

中值滤波是一种在去除噪声的同时能较好地保护图像边缘细节的非线性图像处理方法。为了滤除闪光照相CCD图像中的脉冲噪声，同时能更好地保护图像边缘，提出了一种改进的自适应中值滤波方法。该方法采用局部中值和局部方差作为判断噪声点的阈值，实现了局部自适应的中值滤波，克服了传统自适应中值滤波方法的缺点，对椒盐噪声和随机脉冲噪声均有较好的滤波效果。实验结果表明，该方法消除图像脉冲噪声十分有效，对闪光照相CCD图像的处理结果也较好。     

小波域高斯混合模型与中值滤波的混合图像去噪研究

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于中值预滤波的航空图像小波去噪算法研究

结合航空图像的噪声来源与图像特性,提出一种基于中值预滤波的图像小波去噪算法.图像首先经中值滤波器进行预滤波,滤除随机的脉冲式噪声,然后对处理后的图像进行小波变换,与给定阈值相比,对可明显判为信号或噪声的系数进行相应处理;对不确定为信号或噪声的系数进行多尺度上的相关性追溯,判别其归属后进行处理.实验结果表明:该方法客观上提高了图像的信噪比,主观上使去噪后的图像纹理分明,能更好地适合人眼的视觉特性,有利于航空图像的分析、判读.     

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

一种改进的自适应中值滤波算法

针对椒盐噪声的特点,提出了一种改进的自适应中值滤波算法。该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出。新算法尽可能地减小了滤波窗口,使得图像细节得到更好的保持。数值试验结果表明,新算法能够在有效抑制噪声的同时更好地保持图像细节信息,尤其在高概率密度噪声条件（〉70%）下也能取得较好的结果,比传统自...     

基于改进开关中值滤波的多孔网栅图像脉冲噪声消除

针对多孔网栅闪光照相图像含有随机脉冲噪声的问题,提出了一种改进的开关中值滤波噪声消除算法。该算法利用像素与邻域窗口统计中值的灰度信息,建立噪声点探测器。通过设置噪声点探测阈值来识别噪声,并用邻域窗口内统计中值代替噪声点取值。经过多次滤波,含随机脉冲噪声的计算机合成网栅图像及实验网栅图像可获得良好的恢复效果。     

最小核值相似区低层次图像处理算法的改进及应用

首先介绍一种能有效地进行边缘、角点检测和滤波等低层次图像处理的最小核值相似区算法,然后提出自适应阈值的选取方法,局部区域灰度重心判据对其算法的改进使得边缘检测算法抗噪能力更强。针对序列图像的具体应用,用改进的边缘检测算法能准确、快速地从噪声图像中得到较准确的边缘信息,用滤波算法对序列图像作预处理,可使互相关跟踪结果更可靠、更准确。     

基于改进粒子群和自适应滤波的快速模糊聚类图像分割

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM);方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力;实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

基于同态滤波的遥感薄云去除算法

目前常用的遥感薄云去除法是同态滤波法,但由于所采用的滤波器的局限性,传统的同态滤波法只能去除处于低频区域的云,而对处于高频区域的云则没有处理效果。因此在研究传统同态滤波算法,选取性能最佳的频域滤波器对图像进行处理的基础上,引入了空域3×3中值滤波,用像素点3×3邻域内9个像素点的中值来代替该点的像素值,旨在对前者无法去除的高频突变云区进行处理。而后结合主观视觉和客观统计分析两方面对仿真结果进行评价,经分析表明,用该方法处理过的影像在信息未受损失的情况下,高频突变云有所减少,达到了预期目的。     

基于粗糙集与小波变换的图像融合算法

粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。     

基于改进旋滤波的电子散斑干涉图滤波方法

电子散斑干涉术条纹图在成像时不可避免地受散斑噪声调制,去除噪声是散斑干涉条纹处理的一项重要任务。利用散斑条纹图的方向性,提出一种基于模糊方向的旋滤波:在当前点的领域内定义4个模糊方向窗口,将传统旋滤波的一维、精确方向窗口的确定,转变为模糊方向窗口的确定;在确定的窗口内进行低通滤波时,采用自适应加权均值滤波代替传统的中值滤波。利用该方法分别处理模拟散斑条纹图和实验所得的真实条纹图,并与传统旋滤波、双边滤波和小波丢弃子带方法比较。实验结果表明,该改进算法在滤除散斑条纹图噪声的同时,有效保护了条纹的细节信息。     

视频车辆监控系统图像滤波算法的研究

视频车辆监控系统中图像噪声对背景学习、车辆识别等具有很大影响,已有滤波算法又难以满足系统对滤波效果和速度的综合要求。通过对比不滤波、采用中值滤波或均值滤波时的车辆识别效果和速度,选用均值滤波作为进一步的研究对象。在适当减少计算量的基础上,通过改进数据访问方法和计算方法进一步提高了算法速度,并用Visual C++ 6.0实现了该算法。实验表明,新算法的速度比盒滤波提高了55 %。     

红外图像空间噪声分析和预处理方法改进

讨论了基于天空背景下红外图像空间噪声组成，分析了各种空间噪声的形成原因,给出了红外图像噪声类型及其对图像质量的不同影响。分析结果认为红外图像空间噪声主要为高斯噪声和椒盐噪声。综合考虑均值法和中值法在处理噪声类型上的不同，提出了一种基于简单阈值的改进型中值法。对于不同的阈值，其算子有所不同。而M×N处理区域内每一点算子的权值取决于区域灰度中值，该点灰度越接近中值权值越大。处理后的图像背景更平滑，信噪比和改进的峰值信噪比提高了1.2dB以上，表明改进型中值法优于传统滤波方法。     

改进灰度世界颜色校正算法

讨论了灰度世界算法,提出了两种改进的灰度世界算法——基于标准差加权的算法和基于图像熵约束的算法,从而避免了当给定图像仅有少量几种颜色或大块单一颜色时的冥法失效问题.通过对算法颜色校正结果进行主观(视觉上)评价,并对算法性能通过使用色差数据进行了客观评价.实验结果表明:改进算法对实际采集的图像和下载的图像都有较好的校正效果.     

数字全息技术中散斑噪声滤波算法比较

 在数字全息测量记录过程中,其所记录的全息图易受到散斑噪声的污染造成分辨率下降,同时也严重影响数字全息再现的效果,因此研究适用于数字全息技术中散斑滤波的算法具有重要的实用价值。介绍了中值滤波、Lee滤波、Kuan滤波和SUSAN滤波这四种常用的散斑滤波算法,并将它们运用于数字全息实验所记录图像和数字再现图像的散斑噪声滤波处理中,然后对这四种算法的处理结果进行评价。结果表明,在数字全息技术中使用SUSAN滤波算法进行处理,既明显抑制了散斑噪声,又有效保证了再现图像信息的完整性。