基于最小生成树的加权中值滤波算法

根据图像纹理分布特点,提出一种基于最小生成树的加权中值滤波算法。依据最小生成树计算像素点的相关度,对像素点进行初次分类。对初次分类中不能确定性质的像素点,采用模糊理论进行二次分类。根据像素点的分类结果,保持像素点的原有灰度值或采用不同的滤波方法进行滤波处理。仿真实验结果表明,在去除噪声和图像细节保持方面,该算法优于其他中值滤波算法。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

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。     

用于图像处理的加权中值滤波算法

提出了一种基于相似度函数的自适应加权中值滤波算法.该方法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,并根据相似度大小,巧妙地将滤波窗口内各个像素点自适应分组并赋予相应的权重,最后对检测出的噪声点进行加权中值滤波.计算机模拟实验结果表明:该算法既能有效地滤除噪声,又能较好地保护图像细节,比标准中值滤波具有更优良的滤波性能.     

一种新的加权中值滤波的快速算法

针对中值滤波排序工作量多、速度慢等缺点，提出了一种新的加权中值滤波快速 算法。把窗口内元素分为小于、等于和大于中心元素的3类并分别统计这3类的个数，同时 构 造两个数组分别放入小于和大于中心元素的元素值，对每个类元素进行比较后可确定输 出中 值的确切位置，因此可根据局部排序找出输出中值，这样可大大减少排序的次数，加 快了处 理速度。最后，对快算算法和标准中值滤波的传统算法进行了比较，给出了二组实 验数据。 实验结果表明，与传统算法相比，该算法的执行速度大大加快。通过选择适当的 权值，加权 中值滤波可代表标准中值滤波和其它一些中值滤波，因此该快速算法有较强适 应性。     

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。     

方向加权中值滤波算法

方向加权中值滤波算法是一种新的滤波方法。该方法用于指纹二值化图象处理主要是充分运用指纹方向图和模糊理论思想来构造滤波模板,其算法简单,处理速度快,而且当方向不准确时,也可给出较正确的结果,因而大大增强了算法的抗干扰性。     

图像快速自适应加权中值滤波

中值滤渡由于可对随机噪声起到良好的去除效果因而在信号恢复中得到了较为广泛的应用.本文提出了一种新的快速自适应加权中值滤波算法以提高中值滤波算法的性能.该算法通过噪声检测确定图像被污染的程度.再根据污染情况选取不同的加权值.为提高中值滤波的速度,作者基于数组分布范围有限这一特征提出一种多级分阶的统计直方图中值求解方法.实验证明该算法在抑制噪声的同时也能较好地保护细节信息,并且能有效地提高标准中值滤波的速度.     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

一种基于最优模块匹配的新型加权中值滤波算法

为了去除图像中的噪声,提出了一种新型的加权滤波算法,算法思想是基于大范围的最优模块匹配,根据模块之间的相似度来衡量像素点之间的相关性,从而确定对中心点像素贡献的大小,赋予像素点不同大小的权值,来恢复被噪声点污染的信号点,达到去除噪声、保护图像边缘信息的目的。实验表明新算法在滤波性能方面优于现有的一些改进算法,即使在高密度噪声下,也能取得较好的滤波效果。     

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。     

一种基于直方图的加权均值滤波方法

根据图像直方图的特点,针对椒盐噪声,提出了一种基于直方图的加权均值滤波方法。该方法首先通过寻找局部极值确定噪声点,并对图像的所有像素做分类标记。处理过程中只考虑标记为噪声的点,以噪声图像的直方图函数作为滤波器的权值,最后将领域内非噪声点的加权均值作为滤波输出。实验结果表明该方法优于中值滤波方法。     

基于线分割的立体匹配算法

给出一种改进的立体匹配算法。根据视差场的极限约束,采用图像线分割的匹配方法得到初始视差,由基于初始视差的交叉检测技术和可信度约束提取高可靠度的GCP点。针对视差图中的不可靠点,加入Bilateral Filter的自适应加权中值滤波,在由均值偏移图像分割算法得到的分割区域内,对像素的视差值进行投票,有效遏制局外点,得到更合理的视差图。在Middlebury test set上进行的测试结果表明,该算法具有较好的视差估计精度。     

改进的跨尺度引导滤波立体匹配算法

作为双目三维重建中的关键步骤,双目立体匹配算法完成了从平面视觉到立体视觉的转化.但如何平衡双目立体匹配算法的运行速度和精度仍然是一个棘手的问题.本文针对现有的局部立体匹配算法在弱纹理、深度不连续等特定区域匹配精度低的问题,并同时考虑到算法实时性,提出了一种改进的跨多尺度引导滤波的立体匹配算法.首先融合AD和Census变换两种代价计算方法,然后采用基于跨尺度的引导滤波进行代价聚合,在进行视差计算时通过制定一个判断准则判断图像中每一个像素点的最小聚合代价对应的视差值是否可靠,当判断对应的视差值不可靠时,对像素点构建基于梯度相似性的自适应窗口,并基于自适应窗口修正该像素点对应的视差值.最后通过视差精化得到最终的视差图.在Middlebury测试平台上对标准立体图像对的实验结果表明,与传统基于引导滤波器的立体匹配算法相比具有更高的精度.     

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。     

基于中值滤波的多尺度快速图像融合算法

针对传统图像融合时间较慢,融合后图像纹理不清晰的缺点,提出了一种基于中值滤波的多尺度快速图像融合算法.首先通过中值滤波快速将图像分解为基层和细节层,再通过权值融合的方法将不同源的细节层和基层融合,获得融合图像.实验表明,该方法具有较好的刻画纹理能力和较少的运算时间.     

基于线性滤波的树结构动态规划立体匹配算法

传统的动态规划立体匹配算法能有效保证匹配精度的同时提高运行速度, 但得到的视差深度图会出现明显的条纹现象,同时在图像弱纹理区域以及边缘存在较高的误匹配. 针对该问题,提出了一种新的基于线性滤波的树形结构动态规划立体匹配算法. 算法首先运用改进的结合颜色和梯度信息参数可调的自适应测度函数构建左右图像的匹配代价, 然后以左图像为引导图对构建的匹配代价进行滤波; 再运用行列双向树形结构的动态规划算法进行视差全局优化, 最后进行视差求精得到最终的视差图.理论分析和实验结果都表明, 本文的算法能有效地改善动态规划算法的条纹现象以及弱纹理区域和边缘存在的误匹配.