首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 843 毫秒
1.
文章在已有极值中值滤波算法的基础上,提出一种改进的滤波算法.该算法对于不同密度的椒盐噪声采用了不同的滤波方法.在噪声密度较低时,采用有效信号的均值滤波;在噪声密度较大时,采用递归方式进行滤波.经过大量实验证明,该算法在滤除椒盐噪声能力和细节保护能力方面均有较大提高.  相似文献   

2.
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。  相似文献   

3.
《宜宾学院学报》2019,(12):47-53
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.  相似文献   

4.
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。  相似文献   

5.
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.  相似文献   

6.
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   

7.
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。  相似文献   

8.
提出了一种基于先检测、后滤波的椒盐噪声滤除GPU实现算法。该算法首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后对噪声像素作标准中值滤波,如果中值为信号,则用中值代替噪声像素灰度值;如果中值为噪声,则取中值邻域,如果中值邻域为信号,则用它代替噪声像素灰度值;否则扩大邻域窗口,重复算法。但随着图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在GPU上实现了本文算法。实验结果表明所提出的算法较经典的自适应中值滤波算法有较好的去噪效果和边缘保护能力,并且随着图像规模的增大,算法执行时间较CPU可以提高最多3个数量级。  相似文献   

9.
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。  相似文献   

10.
一种滤除椒盐噪声的改进的中值滤波算法   总被引:2,自引:0,他引:2  
根据数字图像中椒盐噪声像素的特点,提出了一种非常有效的椒盐噪声检测算法:两极门限检测法,并通过实验验证了该算法的有效性。在两极门限检测法基础上,本文进一步提出了一种改进的中值滤波算法,该算法能够有效地滤除数字图像中的高密度椒盐噪声,同时尽可能地保留图像细节。  相似文献   

11.
提出一种新型自适应图象细节保护滤波器.它从不同方向或不同区域对滤波象素点的灰度值进行估计,通过比较各估值的差异,判断是属于灰度均匀区还是属于细节区,以采取不同的滤波方法.该滤波器的计算量小,尤其适用于同时受高斯噪声和脉冲噪声污染的图象,其噪声滤除性能和细节保护能力优于多层中值滤波器.  相似文献   

12.
中值滤波是一种常用的非线性信号处理技术,在图像处理中,它对滤除脉冲干扰噪声最为有效。文章阐述了中值滤波的原理以及在图像处理中的应用,并给出了MATLAB程序示例。  相似文献   

13.
基于中值滤波和维纳滤波的图像混合噪声滤波研究   总被引:1,自引:0,他引:1  
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。  相似文献   

14.
为了降低图像噪声对分水岭算法产生的过分割的影响,在分水岭算法之前进行滤波预处理.而滤波算法在平滑噪声的同时会丢失图像的边缘结构信息,为了保持在滤波预处理过程中图像的边缘结构信息,使用相似性度量的滤波函数,并且相似性度量从基于像素点的方法扩展到基于图像块的方法.  相似文献   

15.
无标定情况下的视觉定位是机器人视觉伺服领域的热点和难点。提出一种基于快速自适应滤波的机器人无标定手眼协调方法。首先根据机器人三维基坐标建立运动空间和图像特征空间的微分映射关系,在不预先标定视觉传感器与机器人参数情况下,设计一个直接估计增益矩阵 Kk 的自适应滤波器,在线辨识图像雅可比矩阵。采用最小二乘法获得状态估计的初始值,在此基础上设计视觉控制器和计算运动控制量。在 MAT?LAB 环境下建立机器人手眼协调控制系统仿真模型,将该方法用于观测噪声统计特性未知情况下的定位反馈,并对机器人空间螺旋运动的跟踪情况进行分析。实验结果表明,该自适应滤波器能够完成不规则环境下视觉引导的追踪任务,定位效果优于常规卡尔曼滤波和 Sage-Husa 自适应滤波,具有较强的鲁棒性。  相似文献   

16.
针对模糊C均值( FCM)图像分割算法受初始值影响较大以及对噪声的抑制作用较差的问题,提出一种基于图像滤波的加权FCM图像分割算法。该算法采用快速FCM算法进行初分割,降低了初始值的影响,同时引入自适应中值滤波器,并与加权FCM 算法相结合进行迭代滤波分割,不仅能很好地抑制噪声的影响而且能使分割更精确。利用该算法分别对人工合成的和真实的含噪图像进行分割实验,实验结果表明:本文算法对含噪图像有很好的分割结果。  相似文献   

17.
利用干涉仪,用连续激光作光源实现了对隐藏在强散射介质中吸收物体的成像,并采用了一种新的滤波算法──阈值密度滤波器,处理干涉条纹中的散斑噪声,达到了亚毫米级的空间分辨率.  相似文献   

18.
In order to avoid the influence of noise variance on the filtering performances, a modified adaptive weighted averaging (MAWA) filtering algorithm is proposed for noisy image sequences. Based upon adaptive weighted averaging pixel values in consecutive frames, this algorithm achieves the filtering goal by assigning smaller weights to the pixels with inappropriate estimated motion trajectory for noise. It only utilizes the intensity of pixels to suppress noise and accordingly is independent of noise variance. To evaluate the performance of the proposed filtering algorithm, its mean square error and percentage of preserved edge points were compared with those of traditional adaptive weighted averaging and non-adaptive mean filtering algorithms under different noise variances. Relevant results show that the MAWA filtering algorithm can preserve image structures and edges under motion after attenuating noise, and thus may be used in image sequence filtering.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号