首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
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   

2.
滑亚慧 《今日科苑》2009,(18):292-292
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   

3.
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   

4.
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   

5.
针对许多流行算法主要考虑高噪声密度而忽略属于图像平坦区域的像素可能错误检测为噪声的情况,提出了脉冲噪声检测阶段的新算法。该算法的检测阶段利用两个条件确定像素是否是噪声,其中第二个条件利用两个提前确定的阈值。仅检测阶段确定为噪声的像素在滤波阶段执行滤波操作。为了减小复原图像的模糊,滤波阶段采用小尺寸的滑动窗口。利用提出的算法检测不同密度的脉冲噪声污染的图像。利用几个测量指标检测提出算法的性能。实验结果表明提出算法复原质量效果较好。  相似文献   

6.
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   

7.
改进的数学形态学图像去噪算法研究   总被引:1,自引:0,他引:1  
杨怀义 《科技通报》2012,28(6):190-191
从二值数学形态学出发着重研究了数学形态学的膨胀、腐蚀、开运算、闭运算,采用了数学形态学算法的腐蚀、膨胀、开启、闭合设计出了一种比较理想的开闭形态学滤波器。实验验证了,本文算法能够有效地去除图像中的高斯噪声,提高了图像的清晰度。  相似文献   

8.
去噪是图像处理中极其重要的步骤,包括空间域去噪和变换域去噪两种.均值滤波、中值滤波和维纳滤波是三种最重要的空间域去噪方法,它们在去除高斯噪声、椒盐噪声和泊松噪声中的性能表现不同,模板尺寸是影响其性能的一个重要因素.实验表明,三种去噪方法在去除不同噪声时都能找到一个最佳模板尺寸,维纳滤波适用于去除高斯噪声和泊松噪声,中值滤波适用于去除椒盐噪声.  相似文献   

9.
传统的微分边缘检测算法对噪声较敏感,而SUSAN边缘检测算法虽在一定程度上抑制了高斯噪声对边缘检测的影响,但对椒盐噪声鲁棒性弱。本文针对传统边缘检测之不足,提出低信噪比的边缘检测算法。分析椒盐噪声的特性,根据其特性首先判断像素是否受到椒盐噪声的影响;其次,根据高斯噪声的特性,利用像素点的邻域关系抑制高斯噪声对边缘检测的影响;最后,利用边缘邻域关系去除伪边缘。实验结果表明,本文方法在一定程度上对高斯噪声和椒盐噪声具有鲁棒性。  相似文献   

10.
为了有效的去除图像中的脉冲噪声点,同时有效保护图像边缘信息,提出了一种基于边缘保护的噪声监测和噪声去除方法。它在充分分析噪声和边缘分布特性的基础上,对图像中的疑似噪声点进行多方向检测,进而有效的辨别出噪声和边缘的区别,同时在传统中值滤波的基础上,提出采用非线性多级方向中值滤波技术,该技术可以有效降低噪声对图像的影响,有效保护图像细节。  相似文献   

11.
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;中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。  相似文献   

12.
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   

13.
针对CCD型医学图像中,在细胞粘连区域信号附近出现的较强的横条纹噪声干扰,影响图像信息的正确性,分割后会存在边界模糊和锯齿条文的问题,为提高医学图像分割效果,提出了一种基于横条纹噪声消除的医学粘连图像边缘分割算法。分析了医学图像中边沿横条纹噪声的原因,通过wold纹理模型与多尺度马尔可夫随机场模型,利用确定性随机场和不确定性随机场的谱属性不同的特征,将医学图像边沿的干扰特征分离开,有利于对粘连医学图像进行分割。实验证明,方法有效地去除了横条纹噪声并很好地保留了图像的边缘和细节信息,同时运算复杂度低。  相似文献   

14.
在实际拍摄环境中用CCD对建筑物进行拍摄会产生椒盐噪声和随机脉冲噪声,为了更好地去除图像中的噪声并有效地提取建筑物的易失边缘,提出了一种用K近邻平滑(均值、中值)滤波代替Gauss滤波改进的Canny算法。实验结果表明,改进后的算法有较高的信噪比,可以有效地保护易失边缘。有利于建筑物图像的边缘提取以及3D重构。  相似文献   

15.
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  
丁献文  陈汉林  张微 《科技通报》2008,24(3):390-394
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   

16.
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   

17.
将基于贪婪EM高斯混合模型分割方法应用到SAR图像中,同时提出了一种张量高斯混合模型的SAR图像分割方法。该方法利用张量空间保持图像空间几何结构的优势,代替一般的向量算法,实验结果证明张量高斯具备良好的分割性效果,对于SAR图像中的斑点噪声具有良好的抑制作用,作为一种针对单个或多个目标分割的SAR图像分割方法,张量高斯混合模型具备较高的实践使用价值。  相似文献   

18.
提出一种考虑相位重组近邻点建构的虚拟成像索引技术。针对强脉冲噪声污染下的虚拟成图像进行图像降噪滤波模型构建,求取噪声像点的近邻点,通过对数字图像的像点的近邻点噪声序列进行高斯伪随机数排序,以近邻点为中心进行相位重新建构,实现对虚拟成像的降噪滤波和检测索引。仿真实验证明,新的图像索引技术能有效强脉冲噪声污染虚拟成像进行高精度低均方根误差索引,滤波效果卓越,比传统算法性能有大幅提高,其优越的图像降噪处理和索引性能将在医学成像处理、空间探测等虚拟成像处理领域有较好的工程实践价值。  相似文献   

19.
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   

20.
高空间分辨率太阳图像中的列固定模式噪声降低了图像质量并对太阳大气现象、太阳物理的研究产生了影响。针对传统小波变换处理列固定模式噪声不足的问题,提出一种新型的基于小波变换和双滤波的去噪算法。首先,根据噪声的产生机理以及存在形式,将原始图像对数化并进行小波变换。其次,对小波域中的垂直分量进行中值滤波,去除其中的噪声小波系数。再次,利用小波逆变换得到无噪图像,并与对数化图像做差提取初始噪声。然后,对初始噪声进行低通高斯滤波并指数化得到结果噪声。最后,用原始图像除以结果噪声便得到去噪后的图像。真实图像的实验结果表明本文算法的去噪效果优于其他算法。实验表明本文算法在去除列固定模式噪声的同时,能够很好的保留图像信号,提高图像质量。  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