改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

修剪中值检测的自适应加权中值滤波算法

针对现有算法在噪声检测与噪声滤除性能上的缺陷,提出修剪中值检测的自适应加权中值滤波算法。算法利用噪声的灰度特征,根据灰度最值0和255检测噪声,再根据邻域像素的相关性以及在灰度上的近似性,做进一步的噪声检测。根据邻域像素之间的相关性随距离的增大而减小的特性,对邻域中的信号像素分别赋予不同的加权系数,取加权中值以滤除噪声。算法去噪的邻域大小,随噪声密度和分布自适应地变化。通过去噪图像的主观视觉效果以及客观的去噪性能指标PSNR(peak signal to noise ratio)和IEF(imageenhancement factor),仿真实验证明,所提出的算法相对于现有的算法具有更好的去噪性能,特别对于滤除高密度噪声,具有显著的优越性。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

一种去除椒盐噪声的自适应极值中值滤波算法

针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法。该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出。同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换。实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显。     

一种改进的极值均值自适应滤波算法

为了在滤除噪声的同时保持图像细节,提出了一种新型自适应滤波算法。该算法根据图像中的某点是否为邻域极值点,将全部像素分为可疑噪声和信号两类,若中心点属于可疑噪声,将其并入信号类组成一新类,并计算其均值与信号类均值的差值,再通过与阈值比较,确定是否用信号类的中值取代原噪声图像的值。滤波窗口能根据噪声密度自适应改变大小。实验表明,该算法具有良好的滤波性能,尤其在噪声严重时,效果优于其他中值滤波算法。     

基于四分法噪声检测的开关中值滤波算法

为了精确的检测出图像中的脉冲噪声并滤除,提出一种差分四分法的开关中值滤波算法.该算法对噪声检测窗口内像素按灰度值大小排序,通过差分方法划分出高、低阶信号块和高,低阶噪声块4部分.当待测像素属于高,低阶信号块时视其为信号点,否则,根据噪声块与信号块内像素比例关系确定其为噪声点或可能噪声点,若为可能噪声点,则扩展检测窗口重新检测.对于噪声点,基于其邻域噪声密度自适应的确定滤波窗口,取滤窗内信号点的中值作为滤波输出.实验证明该算法对脉冲噪声有很强的抑制作用.     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。     

基于ARM架构的中值滤波算法优化

中值滤波是图像处理中降低椒盐噪声的一种有效手段,其核心是计算当前滤波窗口内所有像素的中值。中值滤波具有稳定性,当一幅图像的像素点被改变时,即使改变的值很大,也不会影响中值滤波的计算结果。滤波窗口遍历整幅图像后,就完成了整幅图像的中值滤波计算。中值滤波算法的关键是定义最优中值算法,以在最短的时间内获取中值。对此,提出并实现了自适应中值算法,能够根据滤波窗口半径和数据类型,自动选择性能最佳的中值算法,并使用ARM NEON指令集进行优化加速。实验结果表明,提出的自适应中值滤波算法较OpenCV的中值滤波算法性能有显著提升,平均性能提升了20%。     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

一种简单的椒盐噪声滤波算法

文章提出了一种基于先定位、后滤波思想的椒盐噪声滤除算法。该算法根据噪声特点,将图像像素分为信号像素或可能的噪声像素两种类别,对于可能的噪声像素,采取去噪中值滤波算法进行滤波,而对于信号像素则不做任何处理,以保留更多的图像细节。文中给出了标准的中值滤波算法、极值中值滤波算法和该文的算法的比较实验,结果表明,该文算法对噪声高度污染图像的去噪能力明显比其它两种算法强,且能较好地保留图像细节。     

图象椒盐噪声的非线性自适应滤除

为了在滤除图象椒盐噪声的同时能很好地保持图象的细节,提出了一种新颖的图象椒盐噪声非线性自适应滤除算法。该方法首先在噪声图象的滤波窗口中去除具有最大和最小灰度值的象素,然后求取剩余象素的均值,计算出该均值与对应的象素灰度值的差值,再通过与阈值相比较,确定是否用求得的均值代替原噪声图象的灰度值。阈值由图象的灰度分布自适应地确定,该算法与已发表的同类算法相比,具有更好地滤波性能,尤其在噪声严重时,其效果明显优于传统的中值滤波算法。     

基于粒子群算法的图像椒盐噪声去除算法

针对图像中的椒盐噪声消除问题,提出了一种基于粒子群算法的自适应开关中值滤波算法。提出的滤波器算法主要由两大阶段组成:噪声检测阶段和噪声滤除阶段。与标准中值滤波相比,提出的自适应开关中值滤波算法能够生成污染图像的噪波图。通过噪波图可以得到图像的污染和未污染像素信息。在滤除过程中,滤波器计算出未污染相邻像素的中值并且替换污染像素。仿真实验结果证实了所提算法的有效性,其能够有效地提高图像的峰值信噪比和图像质量;相比现有其他方法,所提算法的去噪效果更好。     

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     

一种新型提高光斑图像质心精度的去噪方法*

提出了一种新的结合自适应中值滤波和阈值的去噪方法。与其他中值滤波方法不同,这里采用的自适应中值滤波的滑动窗口大小根据窗口内灰度的均值与最佳阈值下目标部分灰度均值和背景部分灰度均值的差别自适应确定。实验结果表明,与仅用中值滤波或仅用简单阈值对图像去噪的方法相比,利用该去噪方法,图像的信噪比提高了10.42 dB,光斑图像质心的精度最大提高了80%左右。