共查询到19条相似文献，搜索用时 546 毫秒
1.
改进的邻域均值滤波去噪算法研究 总被引：1，自引：0，他引：1
邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。 相似文献
2.
由于传统非局部均值去噪技术不能合理地选取滤波参数,导致计算时间长,为了弥补该缺点,采用了一种基于积分图的非局部均值法用于图像的去噪仿真中.该方法将非局部均值与积分图相结合,降低计算量,提高计算效率.通过仿真实验表明,本文采用的方法拥有良好的去噪效果,并且相比传统的非局部均值去噪法计算效率更高. 相似文献
3.
轮廓波是一种有效的图像多尺度变换工具,由于其包含更多的有效信息,并能更好地刻画图像细节,因而被广泛应用于图像去噪领域。对非下采样轮廓波变换后的噪声系数进行统计,分析了不同强度噪声图像经轮廓波分解后,噪声系数在各方向子带间的分布特点,提出了非局部贝叶斯阈值去噪方法。首先,最外层各个子带进行以模板为单位的自适应Bayes阈值选取操作,并对相应噪声点进行预处理;其次,对预处理后的分块图像进行重构;最后,对重构图像进行非局部均值滤波处理。实验结果表明,该方法无论在视觉去噪效果还是客观评价指标上都明显优于传统的硬阈值去噪方法,并且较传统的非局部均值滤波也有所提高。 相似文献
4.
针对图像去噪展开研究,结合均值滤波技术和小波分析技术,提出了使用高斯平滑滤波与小波局部阈值处理相结合的方法。首先对图像进行高斯平滑滤波,然后选取适当的小波阈值对小波系数进行处理、重构得到新的图像,并将去噪图像的峰值信噪比作为性能指标,仿真实验结果表明文中所用的方法去噪效果更佳,图像有着更好的视觉效果。 相似文献
5.
针对传统Canny算子边缘检测算法出现伪边缘或边缘丢失的缺陷,提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性;其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。通过大量实验对比和结果分析表明,改进后的算法与传统算法相比,可以提高边缘检测运行效率,使结果更加清晰、准确。 相似文献
6.
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
7.
宋娈娈 《商丘师范学院学报》2014,(12):10-14
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
8.
常用图像去噪方法探析与比较 总被引：1，自引：0，他引：1
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。 相似文献
9.
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. 相似文献
10.
11.
A non-local denoising （NLD） algorithm for point-sampled surfaces （PSSs） is presented based on similarities, including geometry intensity and features of sample points. By using the trilateral filtering operator, the differential signal of each sample point is determined and called ＂geometry intensity＂. Based on covariance analysis, a regular grid of geometry intensity of a sample point is constructed, and the geometry-intensity similarity of two points is measured according to their grids. Based on mean shift clustering, the PSSs are clustered in terms of the local geometry-features similarity. The smoothed geometry intensity, i.e., offset distance, of the sample point is estimated according to the two similarities. Using the resulting intensity, the noise component from PSSs is finally removed by adjusting the position of each sample point along its own normal direction. Experimental results demonstrate that the algorithm is robust and can produce a more accurate denoising result while having better feature preservation. 相似文献
12.
A non-local denoising (NLD) algorithm for point-sampled surfaces (PSSs) is presented based on similarities, including geometry intensity and features of sample points. By using the trilateral filtering operator, the differential signal of each sample point is determined and called "geometry intensity". Based on covariance analysis, a regular grid of geometry intensity of a sample point is constructed, and the geometry-intensity similarity of two points is measured according to their grids. Based on mean shift clustering, the PSSs are clustered in terms of the local geometry-features similarity. The smoothed geometry intensity, i.e., offset distance, of the sample point is estimated according to the two similarities. Using the resulting intensity, the noise component from PSSs is finally removed by adjusting the position of each sample point along its own normal direction. Experimental results demonstrate that the algorithm is robust and can produce a more accurate denoising result while having better feature preservation. 相似文献
13.
14.
针对目前手指静脉识别算法中的局部特征提取算法在信息量上利用不充分、特征不够稳定以及静脉结构不够突出等问题,提出一种基于多尺度局部特征融合的手指静脉识别方法。首先对图像进行归一化及自适应直方图均衡（CLAHE）处理,然后应用多尺度方向模板提取一阶局部静脉方向特征,之后在方向特征基础上计算局部均值二值算子（MLBP）,得到二阶局部纹理细节特征,最后采用最优权值方式融合一阶梯度上的局部静脉方向特征和二阶梯度上的局部纹理细节特征。相比其它传统局部特征提取算法,这种多阶梯度融合方式提高了特征的稳定性,对图像信息量的利用更加充分。与MMNBP和NMRT算法相比,该算法在噪声图像库中的识别率分别从40.99%、39.22%提升至51.04%,在正常图像库中的识别率分别从82.79%、84.66%提升至89.53%。 相似文献
15.
采用图像方法可以更加直观地对管道漏检测中的缺陷进行判断,但在图像数据的采集过程中噪声是不可避免的。采用二维经验模态分解(BEMD)与均值滤波法相结合的方法对漏磁图像进行去噪处理,将图像信号分解为有限个二维固有模态函数(BIMF)和一个残余分量,将残余分量保留,对BIMF分别进行均值滤波,再将处理后的BIMF分量与残差一起重构图像,所得重构图像在保留原图像基本信息的基础上,消除了大量噪声信息。文中还直接采用均值滤波方法对漏磁图像进行去噪处理,通过信噪比的比较,表明BEMD方法用于漏磁图像去噪效果明显。 相似文献
16.
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. 相似文献
17.
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
18.
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
19.
Non-local means(NLM)method is a state-of-the-art denoising algorithm, which replaces each pixel with a weighted average of all the pixels in the image. However, the huge computational complexity makes it impractical for real applications. Thus, a fast non-local means algorithm based on Krawtchouk moments is proposed to improve the denoising performance and reduce the computing time. Krawtchouk moments of each image patch are calculated and used in the subsequent similarity measure in order to perform a weighted averaging. Instead of computing the Euclidean distance of two image patches, the similarity measure is obtained by low-order Krawtchouk moments, which can reduce a lot of computational complexity. Since Krawtchouk moments can extract local features and have a good antinoise ability, they can classify the useful information out of noise and provide an accurate similarity measure. Detailed experiments demonstrate that the proposed method outperforms the original NLM method and other moment-based methods according to a comprehensive consideration on subjective visual quality, method noise, peak signal to noise ratio(PSNR), structural similarity(SSIM) index and computing time. Most importantly, the proposed method is around 35 times faster than the original NLM method. 相似文献