脉冲噪声的非线性变换有源控制算法研究

α稳定分布模型是描述脉冲噪声的最佳理论工具,研究了对称α稳定分布脉冲噪声的有源控制;对基于非线性变换的脉冲噪声有源控制算法进行了推导与分析,并对FXSigmod算法进行了计算机仿真,用实验证实算法消除噪声的效果。该算法无需估测阈值,容易实现,连续更新性能好,可快速有效抑制脉冲噪声。     

非高斯脉冲噪声下的非线性自适应最小p范数迭代方法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同,α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对系统中存在独立SαS噪声与高斯噪声,本文提出了一种稳定分布环境下的非线性自适应最小p范数迭代算法。计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法。     

基于中值正交化准则的自适应滤波器

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同，α稳定分布没有统一闭式的概率密度函数，其二阶及二阶以上统计量均不存在。针对系统中存在独立SαS噪声，本文提出了一种稳定分布环境下的基于中值正交化准则的自适应滤波算法。计算机模拟和分析表明，这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法。     

一种概率密度的中值滤波算法

提出了一种新的图象噪声消除算法,该方法可以快速有效地去除图象中的脉冲噪声,并保留图象的细节.该算法主要通过利用象素点的值在滤波窗口出现的概率密度信息,进行噪声的判定及滤波过程的介绍,对本算法进行了分析仿真,结果表明该算法去除噪声与保留细节的效果好,且运算速度较快.     

一种简单的图像脉冲噪声滤除方法

针对传统的中值滤波法消除脉冲噪声时存在的缺陷,充分利用脉冲噪声的特征,提出了一种简单的噪声像素检测方法,在滤波处理前先检测像素是否被脉冲噪声污染,从而有选择地对噪声进行自适应中值滤波,该算法不仅能够有效滤除脉冲噪声,而且具有较少的计算量和较高的峰值信噪比。仿真结果证明了算法的有效性。     

基于点处理的图像脉冲噪声滤除方法研究

在分析含噪图像恢复方法和脉冲噪声概率密度函数的基础上,提出了一种基于点处理理论的脉冲噪声污染图像的恢复算法。该算法依次扫描图像的像素点,判断当前的像素点是否为脉冲噪声数据点,如果为噪声点,则计算空域滤波器的输出结果,并替代该像素点的值;否则,该像素点的值保持不变。实验结果表明,该方法基于像素点的空域处理,具有无排序操作、算法执行速度快和保持图像细节的优点。     

极值中值滤波法在炉内火焰图像预处理中的应用

为消除火焰图像中的脉冲噪声,本文采用基于极值的中值滤波算法对信号和噪声先进行判别,再进行滤波处理;并采用归一化均方误差和信噪比作为该算法的客观评价尺度.结果表明,该算法在有效的消除脉冲噪声的同时,能很好保留火焰图像的边缘信息,较其他滤波算法有更好的滤波性能.     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

一种改进的加权滤波去噪算法

噪声图像的恢复是影响图像信息的一个重要因素,提出了一种新的滤波算法,该算法首先利用阀值把噪声和图像像素区分开来,再对像素进一步区分出脉冲噪声和图像像素,最后对脉冲噪声用改进的加权中值滤波器滤波。仿真结果表明,该方法对脉冲噪声有很好的抑制作用,而且较好地保存了图像细节和结构信息,证明该方法具有实用性和有效性。     

一种自适应的高密度椒盐噪声滤波算法

针对传统中值滤波器在滤除大密度脉冲噪声时不能保护细节的问题,对高密度椒盐噪声滤波算法及其改进算法研究的基础上,提出了一种自适应的高密度椒盐噪声滤波算法。首先对噪声进行判别,计算噪声的浓度,针对不同的密度,使用不同的滤波方法。对受不同密度(≥0.5)椒盐噪声污染图像的试验结果表明,该算法在滤除噪声的同时很好的保护了细节,取得了良好的滤波效果。     

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。     

基于四元数表示的彩色图像混合噪声去噪（英文）

为了能够更加有效地恢复受混合高斯和脉冲噪声污染的彩色图像,采用基于四元数的彩色图像整体处理方案,提出了一种彩色图像混合噪声去噪算法.首先,通过一个纯四元数矩阵表征一幅彩色图像;然后,根据高斯噪声和脉冲噪声的不同特性,采用基于四元数方向矢量排序统计的算法检测脉冲噪声位置;最后,将针对高斯噪声的基于四元数最优权值的非局部均值滤波器进行改进以应用于混合噪声图像去噪,在权值计算时不考虑已被检测出的脉冲噪声点.对5幅标准图像的实验结果表明,所提算法的去噪效果优于目前常用的ROR-NLM(robust outlyingness ratio-nonlocal means)算法和最优权值混合滤波器.     

一种彩色图像水印算法

研究了彩色图像水印算法,重点研究了彩色图像空间表示和转换关系、余弦变换、基于奇异值分解算法等。提出了一种彩色水印算法,该算法将彩色图像从RGB空间转换到HSV空间,并提取饱和度S分量,对S分量进行了DCT变换,从而获取低频信息,作为水印嵌入位置;在水印嵌入过程时,采用了基于奇异值分解的算法进行嵌入水印。为了检测该算法的鲁棒性,对该算法进行了加入高斯噪声、椒盐噪声、JEPG压缩、几何等方式攻击。结果表明,该算法能有效地抵抗JPEG压缩攻击,对加入噪声攻击也表现了较好的鲁棒性。     

一种结合检测技术与四阶偏微分方程的去噪算法

针对脉冲噪声的特征,提出结合检测技术与四阶偏微分方程的MSDLC算法.该算法采用＂先检测再复原＂的两步策略：检测阶段,利用统计的思想定位受到脉冲噪声污染的噪声像素;复原阶段,采用LC四阶偏微分方程对噪声像素点进行复原.采用的LC四阶偏微分方程根据方程性质使用适当的系数函数.实验表明,MSDLC算法可以在脉冲噪声去除方面和保持图像细节方面获得极好的平衡.     

有源消噪声实验开发

有源噪声控制(ANC)利用反相的噪声去抵消原噪声,是个非常有趣的前沿课题.该文把ANC引入实验教学,以TMS320VC5509A DSP芯片为核心开发了一个创新性的实验项目,研制了包括高分辨率、多通道DSP信号处理板在内的成套实验教学设备.通过该实验项目,学生可以有选择地采用前馈、反馈、单通道、多通道等多种实现方案,完成管道有源消噪声器、有源抗噪声耳罩、有源消噪声头靠等多种作品的设计.该项目成本低廉,便于在广大学生面上推广应用.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

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.     

脉冲耦合神经网络纹理检索系统研究

脉冲耦合神经网络用于图像检索时,具有平移、旋转、尺度、扭曲等不变性,同时对噪声还具有很好的鲁棒性．本文提出了一种改进的脉冲耦合神经网络图像纹理检索算法,该算法将脉冲耦合神经网络和离散余弦变换相结合．首先将脉冲耦合神经网络输出的二值图像序列进行离散余弦变换,然后选择不同的特征提取方法提取纹理图像的关键特征,最后利用欧氏距离分类器对图像进行识别,基于Brodatz纹理图像库的实验结果证明了该算法的有效性。     

基于集内离散度噪声检测的自适应中值滤波的研究

传统中值滤波对所有像素采用同一的处理方法,导致图像细节信息丢失严重。依据噪声分布特征,设计了基于集内离散度的噪声检测器,并结合自适应中值滤波,实现有针对性的噪声过滤,减少非噪声信息丢失。实验证明,该算法具有较高的消除脉冲噪声和保留细节信息能力。     

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。