基于噪声强度估计的中值滤波

为了提高中值滤波器的滤波性能和适应不同强度的椒盐噪声,提出了基于噪声强度估计的中值滤除算法.该算法通过椒盐噪声密度估计确定图像中的噪声强度的大小,然后根据噪声强度选择相应的滤波器及参数.计算机仿真实验结果表明:该算法能对未知噪声强度的退化图像在较短的时间内有效地去除噪声的同时,较好地保护图像细节.     

自适应Volterra混合噪声图像滤波

采用更接近实际的随机值脉冲噪声对混合噪声图像中的脉冲噪声部分进行描述,基于自适应Volterra滤波方法,提出了一种能够有效去除图像混合噪声的LMSV滤波算法．在此基础上,针对LMS算法收敛速度慢,步长因子不易确定的特点,提出了一种改进的自适应Volterra图像滤波算法（NLMSV算法）．理论分析和计算机仿真实验表明,相比于传统的图像去噪方法,本文方法在去除图像混合噪声和保留图像边缘细节方面的性能要明显优于其他算法,并且图像受污染率越高,该方法表现出的性能越好．     

基于形态学滤波的图像伪边缘去除方法

针对传统边缘检测算子去除由噪声引起的伪边缘难的问题,提出了一种基于数学形态学滤波的图像伪边缘去除方法.该方法首先利用自适应中值滤波器对图像进行滤波,然后用Canny算子对图像进行边缘检测,对处理后的图像进行改进的τ-运算以去除伪边缘,从而得到较理想的图像边缘.仿真实验表明,该方法不仅有效地去除了由噪声引起的图像伪边缘,而且保留了完整的图像边缘,具有较小的均方根误差.     

图像椒盐噪声滤波的自适应开关插值算法

针对图像中椒盐噪声的特点,利用牛顿插值,提出了一种白适应开关插值滤波方法．结合极大极小值椒盐噪声检测算法和自适应窗口大小方法标识可能的噪声点,然后用迭代图像插值估计方法,利用与当前噪声点近邻的非噪声点或已修复的噪声点消除当前噪声点．对噪声密度为10％-90％的测试图像的仿真结果表明,该算法能在有效抑制噪声的同时较好地保持图像的细节信息．     

基于邻域相关的自适应中值滤波算法

为改善图像效果,在对现有的椒盐噪声自适应中值滤波算法分析的基础上,提出了基于邻域相关的自适应中值偏移滤波算法。算法对自适应中值滤波算法的处理过程进行改进。当滤波窗口大于设定的最大值时,根据像素点邻域内的像素点灰度值分布在不同的区间,将像素点灰度值的复原分为偏大或偏小两种情况。受污染像素点的滤波输出值为偏移的中值,偏移的距离根据改进的自适应中值滤波算法运行时滤波窗口的大小来决定。从仿真结果可见:该算法滤波后的图像具有较高的峰值信噪比,对图像细节的保留能力和抑制椒盐噪声的能力都有一定的提高。     

复合噪声图像去噪

在现实的图像处理中,图像往往含有加法均匀或者高斯分布噪声的干扰.如果只使用邻域平均法或中值滤波法都不能很好的对图像进行去噪.提出了一种复合型去噪法.该算法首先利用分离像素法把不同噪声污染的像素区别开来,然后分别再用中值滤波或邻域平均法去噪.实验结果表明,此方法具有很强的可信度.     

一种基于子波包和中值滤波的图像去噪方法

通过对图像的子波包变换进行阈值操作，可以较好地滤除高斯白噪声，但图像中往往还含有脉冲噪声，运用中值滤波可以有效地滤除脉冲噪声，将子波包变换和中值滤波相结合，可以有效地降低图像噪声，达到比改进的均值滤波算法更理想的效果。     

基于图像形态滤波的边缘检测

为很好地检测出被噪声污染的图像的边缘,首先采用CB形态滤波对图像进行预处理,再用canny法获得较高的边缘检出率,最后采用最小费用搜索法进一步提高了边缘质量,建立在结构元素轮廓的概念之上,以集合延展度为特征进行处理的CB形态滤波保证了滤除噪声的同时保持图像细节,canny算法对噪声和弱边缘有更强的适应性,而最小费用搜索法对因滤波后遗留噪声引起的虚假边缘有很好的抑制能力,实例表明这种检测方法能够获得较好的图像边缘。     

基于自相关的ARMA噪声中谐波恢复的预滤波方法

讨论一般ＡＲＭＡ噪声中谐波频率的估计问题，提出了一种基于自相关和奇异值分解一总体最小二乘的预滤波方法，该方法两次利用ＳＶＤ－ＴＬＳ求解由自相关获得的超定线性方程组得到噪声的ＡＲ系数估计，然后滤波输出过程的高阶延时自相关来估计谐波频率。     

基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

独立分量分析在含有多种噪声的图像去噪中的应用

提出一种基于负熵的分数低阶独立分量分析(ICA)算法,为使算法更好的适用于实际环境,结合当下较为新颖的Volterra滤波方法——VLMS算法,该算法对高斯噪声有良好的去除效果.仿真结果表明,算法对于含有两种噪声的混合图像具有良好的分离特性及实际意义.     

噪声符合高斯分布的曲面图像分割

针对噪声符合高斯分布的曲面图像分割问题,提出了一种基于变分水平集方法的隐式曲面上噪声符合高斯分布的图像分割模型。为定义隐式曲面上图像区域划分的动态轮廓线,引入另一个动态水平集函数,其零水平集与隐式曲面的交线即为曲面上区域划分的轮廓线。该模型采用N个水平集函数划分2^N个区域的区域竞争策略。通过变分方法得到图像分割空间轮廓线演化的梯度降方程。通过显式差分格式对演化方程进行离散。实验结果表明,该模型对曲面上噪声符合高斯分布的图像具有良好的分割效果,并且在图像分割的同时能够完全保持曲面固有的几何特征。     

基于灰色关联的数字图像去噪研究

在图像去噪过程中为了既能获得较好的去噪效果，又能更好地保护图像细节，运用灰色系统理论的灰关联度的思想提出了一种基于灰色关联的加权均值滤波器．尝试了将灰色理论中的灰色关联用于图像的均值去噪，对均值滤波器的权值加以优化．实验表明，该算法使图像处理效果比传统的均值滤波效果有所提高。     

海洋环境噪声预报与仿真方法研究

基于Harrison提出的理论,推导了风成噪声场的空间相关函数、垂直指向性函数以及噪声强度表达式,进行了实例仿真计算和结果分析.利用该方法得到特定环境和深度上噪声功率谱密度,设计相应的AR滤波器,进行了噪声时间序列的仿真.结果表明,这一模型能够快速有效地预报海洋环境噪声场,以及进行特定海洋环境和接收器深度下的噪声时间序列仿真.     

智能车牌识别系统中消除图像干扰的方法

在智能车牌识别系统中,经过汽车图像的初分割,可从复杂的汽车及背景图像中分割出汽车图像,但复杂灰度图像经二值化处理后存在许多干扰白点.提出一种＂高斯滤波＂的方法去除这些白点,使二值化图像变得平滑、少毛刺,并具有较好的连通性.