基于小波变换和二维随机共振的图像去噪算法

小波变换能对信号特征进行自适应分类提取,并快速有效地将图像信号分解成不同频带范围内的图像分量,利于图像去噪。随机共振能将部分噪声转换成信号能量,达到增大图像对比度、提高图像质量的效果。提出了一种基于小波变换和二维随机共振的图像去噪方法,实验结果表明,该方法取得了不错的去噪效果。     

基于内容优化双边滤波的运动自适应算法

本文提出了一种基于内容的优化双边滤波运动自适应去隔行算法.该算法在传统运动自适应算法的基础上,利用双边滤波改进了视频中的动静检测方法,改善了视频插值点的运动状态,能较好的识别视频中的动静区域,具有较好的抗噪声能力及静态物体边缘保持能力,并能够根据图像的内容,自适应地调整运动静态权重,达到较好的去隔行效果.     

常用图像去噪方法探析与比较

均值滤波、中值滤波、维纳滤波和基于小波变换的软阈值法和硬阈值法是常用的几种图像去噪方法,通过对添加了不同噪声的图像进行了仿真实验。实验结果进一步验证了均值滤波在去除噪声的同时造成了图像边缘一定程度的模糊,中值滤波能相对较好的保留了图像的边缘,维纳滤波对高斯白噪声去噪效果较好但计算量大,相比较小波阈值法去噪是目前较好的的去噪方法,通过选取合适的阚值可以得到较为理想的去噪效果。     

基于S-ROAD统计量的细节保护随机值脉冲噪声滤波算法(英文)

在受随机值脉冲噪声干扰的图像中,为了去除图像中的脉冲噪声并有效地保护图像的边缘与细节,提出了一种新的两阶段细节保护随机值脉冲噪声滤波算法.在噪声检测阶段,针对图像中边缘和细节像素难以和噪声像素有效区分的问题,提出了一种基于S-估计的绝对级差统计量(S-ROAD).通过引入S-估计到ROAD统计量,消除了ROAD数据中由图像边缘和细节带来的干扰.利用S-ROAD统计量,图像中的大部分噪声像素,包括位于图像边缘和细节处的噪声像素都可以被区分出来.在图像滤波阶段,算法引入了双阈值迭代方法对确认出的噪声像素赋值,提高了对噪声像素的估值精度,从而有效地保护了图像的细节.无论是主观视觉评估还是客观数据评估,实验结果都表明了该算法优于现有的很多方法.     

复杂道路环境下车道线快速提取方法

针对无人驾驶车辆在行驶过程中受到地面污损、障碍物、光照等环境影响,导致车道线情况复杂问题,提出一种快速的车道线识别方法。首先,对采集到的图像进行预处理,设置自适应感兴趣区域,并进行灰度化、双边滤波和边缘提取。其次针对边缘噪声复杂的情况,提出了一种新的边缘噪声消除方案,将边界图像划分为若干个子图像并通过计算每个子图像的边缘方向来实现噪声边缘的消除,再对被切断的车道边缘块进行补偿。最后,通过直线拟合算法拟合出车道线。实验结果表明,所提方法可以有效地消除边缘噪声,且在各种天气和路况下具有较快的处理速度和较高的精度。     

基于自适应开关中值滤波算法的工程图像处理

工程施工图像在获取、传输等过程中存在一定程度的噪声干扰。通过对标准中值滤波算法进行分析,得到了一种基于自适应开关中值的图像滤波算法,能够在去除椒盐噪声的同时保持图像细节。该算法用迭代实现了开关中值滤波算法中阈值的自动选取,可有效提高噪声点检测的准确率。通过MATLAB仿真实验,证实了该算法相较于传统滤波算法能够更好地保护图像细节和改进图像清晰度。     

高效快速的随机值脉冲噪声去除算法

提出一种既能快速去除图像随机脉冲噪声又能较好地保留边缘细节信息的一种新方法。该方法首先利用图像局部灰度相似性特征,对于任一像素,根据其与邻域内像素相近的个数和与其相近像素本身在邻域内的相似情况,将各像素分为噪声点、疑似噪声点和信号点,对疑似噪声点根据其是否为邻域内的极值将其分为噪声点和信号点。对于信号点不做任何处理,而对于噪声点则按照一种基于欧拉距离的自适应加权均值滤波算法进行处理。实验结果表明,算法能够快速高效地滤除随机脉冲噪声,且无需人为修改相关参数和“门坎”值,综合性能优良,特别适用于对实时性要求较高的图像处理系统。     

多方向双边滤波单尺度Retinex图像增强研究

传统的单尺度Retinex(SSR)图像增强算法无法准确估计明暗突变剧烈区域的背景光照,增强图像易产生光晕现象且图像细节信息减弱。针对这种情况,提出一种基于多方向的双边滤波单尺度Retinex图像增强算法,利用不同方向的双边滤波器平滑输入图像,获得不同的光照图,通过融合得到光照估计,在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明,该方法能有效克服光照不均且可消除光晕现象,增强图像细节,其增强效果优于传统的SSR。     

基于中值滤波的椒盐含噪图像去噪方法

为了有效地去除图像中的椒盐噪声,提高图像的质量,利用中值滤波算法进行去噪处理.分析了椒盐噪声的特性,阐述了中值滤波算法的去噪原理和优缺点.通过实验从主观评价和客观评价两方面对比了中值滤波和几种典型的图像去噪方法对椒盐噪声的去噪效果,并进一步分析了不同窗口大小的中值滤波对椒盐噪声的去噪效果.实验结果表明,中值滤波算法能很好地去除图像中的椒盐噪声.     

基于简化PCNN的脉冲噪声滤波

基于脉冲耦合神经网络,提出了一种有效的脉冲噪声图像滤波算法。利用PCNN相似群神经元同步发放脉冲的特性检测噪声点,并利用中值滤波对噪声点进行滤波。仿真表明,该方法对不同强度的噪声图像均体现了较好的滤波性能,在去噪效果和运行效率上同其它方法相比具有明显优势。     

一种用于去除图像椒盐噪声的滤波算法

由于图像在获取、传输等过程中会受到各种噪声的影响,而在大多数应用中,又需要清晰的、高质量的图像,所以图像去噪是图像预处理中一项重要任务.图像中所含的噪声有很多种,椒盐噪声是其中最常见的一种.针对图像中所含的椒盐噪声,提出了一种改进的滤波去噪算法.实验结果表明,与其他常见滤波方法相比,改进算法简单有效.     

自适应调整窗口维度的动态中值滤波算法

经典中值滤波算法在不同噪声密度下为了得到最优滤波效果,需手动调节滤波窗口大小,同时在滤波过程中会对图像细节造成二次污染.针对这一问题,提出一种基于椒盐噪声密度、自适应调整中值滤波窗口的算法,首先估计出图像噪声密度,再确定传统中值滤波在不同噪声密度下,对应的最优窗口维度,并建立函数关系,利用函数关系自适应调整窗口维度,最后将椒盐噪声图像的待修复像素值替换为滤波修复后的像素值,防止细节被模糊化.实验显示,噪声密度估计的误差在3%范围内波动;采用四舍五入的方法使算法能够自适应匹配到最优滤波窗口,再对噪声分离处理,使得中值滤波对图像的细节保护更加完整.     

基于信号分析的椒盐噪声滤波算法

椒盐噪声对图像造成或亮或暗的像素点,从视觉上影响图像的质量。采用基于信号分析的方法去除图像中的椒盐噪声,信号分析能准确判断出噪声与信号像素,该方法依据椒盐噪声模型准确区分信号与噪声,对信号像素给予保留,而对于噪声像素则有针对性地对其作中值滤波、扩大的中值滤波或均值滤波。实验结果表明,与线性加权、梯度倒数加权以及小波去噪算法相比,文中算法能有效降低图像中的椒盐噪声,对图像的边缘与细节保持较好,并且能得到较高的信噪比。     

基于双边滤波与小波变换的分频滤波算法的分析

针对图像在滤波时把图像的一些特征信息去除和图像分割边缘模糊的问题,提出了基于双边滤波和小波变换的分频滤波算法.通过二代小波提升变换后,得到图像的高频分量和低频分量,然后结合双边滤波和小波变换各自的优缺点,在低频分量部分采用双边滤波,在高频分量部分采用阈值小波变换,通过Matlab仿真结果分析,该方法在滤波过程中有很明显的优势.     

浅谈小波分析软门限滤波去噪的优越性

介绍了基于软门限的小波分析去除遥感图像噪声的处理方法,并利用一些指标,与传统的滤波处理方法进行对比分析后发现,基本小波分析的图像滤波方法,在去除图像噪声的同时,可以很好地保持图像边缘纹理等信息。     

车牌图像预处理技术研究与实现

介绍了彩色图像转换为灰度图像的原理并给出了VC 仿真效果图,论述了局部均值滤波,同时提出了改进的均值滤波方法,并用VC 仿真;仿真结果表明,改进的算法不仅可以有效去除噪声,而且可以能弥补均值滤波对边缘点等图像尖锐信息的模糊化.     

基于FPGA的双边滤波算法

设计了一套基于FPGA的快速求解双边滤波结果的系统。该系统由输入缓存器、计算模块和输出缓存器组成。利用图像采集端将图像采集输入计算模块;利用输入缓存器将图像进行重新分解,输出的数据符合模板计算模块的格式;接着对于输入缓存器输出的数据进行模板计算,得到输出数据;最后将输出的数据输入输出模块,将数据重新整合为图片的格式。该方法使得双边滤波在FPGA上得以实现,同时减少了双边滤波的计算时间,加大了双边滤波在机械的图像处理方面的实用性。     

改进自适应中值滤波算法研究

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法。针对这3种滤波算法,对含有不同密度椒盐噪声的图像进行去噪实验。结果表明:改进算法去噪效果明显、能有效保护图像细节,PSNR保持在25 d B以上;改进算法在高密度噪声时也能得到细节较为清晰的图像,PSNR比改进前的提高17 d B以上。     

基于参数调节随机共振的图像去噪研究

提出一种图像的参数调节随机共振去噪方法,对来自于同一噪声源的多张同一图像进行处理,将若干张图片中相同位置的元素按列排序处理成周期信号输入双稳态系统,利用参数调节随机共振提高了图像信噪比。实验证明,该方法能显著提高图像质量。     

一种图像混合噪声滤波算法

高斯噪声和脉冲噪声同时出现在一幅图像中的情况较为常见,单独使用均值滤波和中值滤波得不到令人满意的效果。将传统的方法结合起来,提出多级中值滤波与小波阈值滤波相结合,在滤除噪声的同时尽可能保护图像的细节。实践证明,该方法效果较好。