共查询到20条相似文献,搜索用时 15 毫秒
1.
本文提出了一种针对图像脉冲噪声进行检测,并根据检测结果进行选择性滤波的方法。该方法首先对含有脉冲噪声的整幅图像进行逐点检测,然后根据噪声检测结果来确定滤波窗口长度和参与滤波像素点的选用,对检测出的噪声点采用改进的中值滤波进行滤除。该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节。最后给出了滤波实验的仿真结果,说明了该方法的有效性。 相似文献
2.
在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。 相似文献
3.
4.
5.
提出了一种融合自适应中值滤波与细节保存机制的图像深度脉冲噪声去除方法.该方法主要采用两个步骤,首先使用自适应中值滤波来最大可能地确定图像中的候选噪声点,然后根据特定的针对候选噪声点的正则化优化方法来复原被污染的图像.实验结果表明,与传统的自适应中值滤波相比,本文方法具有明显优越性,可以完成被脉冲噪声污染程度达90%的图像噪声去除工作,具有一定的实用意义. 相似文献
6.
本文使用一种基于选择性的、信号适应中值滤波算法去除脉冲噪声。该算法可以精确检测出噪声,得到较高的信噪比,且不损坏图像原有的边界和细节。结果表明,从噪声抑制和细节保存方面来看,该方法的效果远好于其他中值滤波方法。 相似文献
7.
8.
为提高中值滤波效果,本文提出了中值滤波的改进算法,对邻域进行中值运算前,先对邻域中的像素点进行甄别,剔除邻域中的脉冲干扰像素点,利用剩余的像素点进行中值滤波运算。利用较中值滤波邻域更大的邻域进行噪声像素点的鉴别,而利用较小的邻域进行剔除噪声点的中值滤波运算,从而即保证了噪声像素点的鉴别的可靠性,又保证了图像滤波的清晰度。 相似文献
9.
10.
中值滤波方法是图像去除噪声的重要方法之一,广泛应用于数字图像处理中。本文为了更好地检验滤波方法的效果,在图像中添加随机和椒盐两种常见噪声,对多级中值滤波、开关中值滤波和极值中值滤波算法进行仿真,以峰值信噪比和归一化均方差(NMSE)作为客观评价标准,对几种典型中值滤波算法进行了对比分析。结果表明,中值滤波既可以去除图像中的噪声又能保护图像的边缘和轮廓。 相似文献
11.
高斯噪声产生于图像采集、成像和传输的各个部分,由于其对于图像时域和频域的全局覆盖作用,难以进行有效抑制.低信噪比图像在雷达、遥感、医学成像等领域有着广泛应用,本文提出一种基于图像功率谱的非线性模值滤波算法(Nonliear Module Filter,NMF),图像功率谱用模值作为非线性滤波的阅值,在保留信息比例高的系数基础上滤除包含高噪声比例的系数,从而达到提高信噪比抑制高斯噪声的目的. 相似文献
12.
提出了一种自适应高斯引导的新型图像滤波算法。首先分析了引导滤波的数学模型,并在此基础上对其进行了改进,采用一个更加理性的参数优化算法。最后对改进的滤波算法进行了对比实验,实验结果表明自适应高斯引导滤波算法能够很好的滤除图像中的噪声,同时最大程度的保留了原始图像中的边缘和细节等信息。该算法对于激光三维条纹图像去躁具有良好的效果。 相似文献
13.
基于提升小波的SAR图像斑点噪声抑制方法 总被引:1,自引:0,他引:1
斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。 相似文献
14.
15.
16.
17.
主要研究了计算机视觉中的图像滤波、边缘检测技术,首先介绍了图像噪声滤波算法,针对脉冲噪声采用开关中值滤波技术,既能有效去除噪声,又在一定程度上地保护了图像细节;同时研究了边缘检测技术,采用基于梯度直方图的边缘提取法,利用梯度直方图的统计特征实现阈值的选取,并且有效地增强图像边缘,取得满意的视觉效果。 相似文献
18.
超声图像广泛应用于工业,海洋,医学等领域并且在诸多领域起到不可替代的重要作用。但大规模乘性噪声严重影响了超声图像的成像质量。无法精准判读超声图像,制约着超声图像应用的发展。为此,提出超声图像大规模乘性噪声干扰的过滤算法,通过对超声图像成像像素进行像块分解重组重构出大规模乘性噪声部分,运用滤波函数公式提取出大规模乘性噪声干扰量,建立超声图像大规模乘性噪声过滤模型将乘性噪声干扰进行过滤计算,重构更为清晰的超声图像的过程。仿真实验证明,超声图像大规模乘性噪声干扰过滤算法有效的抑制了大规模乘性噪声对图像质量的影响,更好的保留了超声图像的细节信息。 相似文献