应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法
彩色印刷品视觉检测的自适应滤波算法
W u a 3 04, hn ;.ntueo polcrne ,h nh nUnvri ,hn h n5 8 6 , hn ) h n40 7 C ia 2 Is tt fO te to isS ez e ies y S e z e 10 0 C ia i e t
Ab t a t I u s os n d tce ma e c n s v rl f c u s q e ti g r c si g h r f r mp le n ie f t r g s r c :mp le n i i ee td i g a e e ey af ts b e u n ma e p o e sn ;te eo e i u s o s l i e e i en i n e s n il a t f oo r t g vso n p cin a g rtms An a a t e f t r o o i g o o c s a e u u i a r s n sa s e t r o lrp i i iin i s e t l oi ap c n n o h . d p i l mp s ft a c d d s b nt w sp e e — v i ec n w s td T ef s u u i i r u fsg e t rme in f tr , n a h o h m a i ee ts th n h e h l . h e o d e . h r t b n t sa g o p o ima v co d a l s a d e c ft e h sa d f rn wi ig t rs od T e s c n i s i e f c s b nti a f s.r e u e o tp u o f zy n t r h s a a t ri a tmaial u e n x d b e r i g t e h u u i s rto d rS g n - e Ne r - z ewok w o e p r me e uo t l t n d a d f e y la n n o me tte i . - y - u s c y i c mp ia e o l e r ma p n e ain, n h p i z d r s l i n l b a n d . x e me tlr s l h w te p o o e l r o l td n n i a p ig r lt c n o a dteo t mi e u t sf al o ti e E p r n a e u t s o h r p s d f t e i y i s i e
中值滤波在数字图像去噪中的应用
中值滤波在数字图像去噪中的应用数字图像在现代生活中得到了广泛的应用,然而数字图像的采集过程中常常会受到各种因素的影响,导致图像中出现了各种噪声。
这些噪声会严重影响图像的质量和清晰度,降低图像的可视性和可用性。
去除数字图像中的噪声成为了一项重要的任务。
在数字图像处理领域中,中值滤波是一种常用的去噪方法,它通过一定范围内像素值的中值来代替当前像素值,从而有效地去除图像中的噪声。
本文将介绍中值滤波的原理和在数字图像去噪中的应用。
一、中值滤波的原理中值滤波是一种非线性滤波方法,它的核心思想是用局部像素的中值来代替当前像素的值。
具体的操作步骤如下:1. 确定滤波窗口的大小和形状,一般情况下选择3x3、5x5等大小的窗口;2. 将滤波窗口置于图像的每一个像素点上,取出窗口内的像素值;3. 对窗口内的像素值进行排序,找出中间值;4. 用中间值来代替当前像素的值;5. 将滤波窗口移动到下一个像素点,重复步骤2-4,直到整幅图像都被处理。
中值滤波的优点是能够有效地去除图像中的椒盐噪声和脉冲噪声,而不会产生过度模糊的效果。
中值滤波对图像的边缘信息能够保持得比较好,不会产生边缘模糊的问题。
中值滤波在数字图像去噪中得到了广泛的应用。
二、中值滤波在数字图像去噪中的应用1. 椒盐噪声的去除椒盐噪声是数字图像中常见的一种噪声类型,它会对图像的质量和可视性产生严重的影响。
椒盐噪声是由图像采集过程中出现的随机亮度值引起的,它使得图像中出现了明显的黑白点。
中值滤波能够很好地去除椒盐噪声,因为在中值滤波的过程中,只有中间值才会被选取,而不受异常值的影响,因此能够有效地去除椒盐噪声。
2. 脉冲噪声的去除脉冲噪声是数字图像中另一种常见的噪声类型,它会导致图像中出现孤立的亮度高或低的像素点。
脉冲噪声的存在会破坏图像的连续性和平滑性,影响图像的质量和清晰度。
中值滤波能够很好地去除脉冲噪声,因为它能够将异常值(噪声点)排除在外,选取与异常值相近的像素值来代替当前像素的值,从而恢复图像原有的质量和清晰度。
基于噪声点多级检测的自适应中值滤波算法
( 1 . C o l l e g e o f i n f o r ma t i o n E n g i n e e r i n g , Z h  ̄ i a n g U n i v e r s i t y o fT e c h n o l o g y , Ha n g z h o u 3 1 0 0 2 3 , C h i n a ; 2 . S c h o o l o fC o m p u t e r S c i e n c e a n d T e c h n o l o y, g Ha n g z h o u Di a n z i U n i v e r s i y, t Ha n g z h o u 3 1 0 0 1 8 , C h i n a)
s i mi l a r v a l u e s i n i f l t e r wi n d o w . T h e n i t e x t e n d e d t h e i f l t e r w i n d o w i n a d j a c e n t s p a c e t o d e t e c t t h e t wo p i x e l s n o i s e , a n d
检 测的 自 适应 中值滤 波算法 。该 算法根据像 素的空间相关性 ,逐级检测不 同空间特征的噪声点。首先根据 滤波窗
口中相 近像素点的数量来检 测空间孤 立的单个噪声点; 然后通 过扩展邻 近窗 口的方式检测 空间连续 的两个噪声点 ; 接 着进一步增加约束条的中
第4 0卷 第 1 0期
2 0 1 3年 1 0月
光 电工程
Op t o — El e c t r o n i c En g i ne e r i n g
自适应中值滤波器的实现与在图像降噪中的应用doc
自适应中值滤波器的实现与在图像降噪中的应用滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征.运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不能取得预期的效果.中值滤波器,就像其名字一样,是用该像素的相邻像素的灰度中值来代替该像素的值,是一种非线性滤波器。
例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时(噪声密度较大时),中值滤波滤波作用大大降低。
多次试验验证:在脉冲噪声强度大于0.2时,中值滤波效果就显得不是令人满意。
而本文介绍的自适应中值滤波器会根据一定的设定条件改变滤窗的大小,即当噪声面积较大时,通过增加滤窗的大小将噪声予以去除,同时当判断滤窗中心的像素不是噪声时,不改变其当前像素值,即不用中值代替。
这样,自适应中值滤波器可以处理噪声概率更大的脉冲噪声,同时在平滑非脉冲噪声图像时能够更好地保持图像细节,这是传统中值滤波器做不到的。
文中首先介绍了自适应中值滤波器的原理,随后分析了实现的关键技术,并给出了程序代码,最后与传统中值滤波进行了试验比较,试验结果验证了自适应中值滤波器的有效性和实用性。
2.自适应中值滤波器的原理介绍及实现技术2.1 算法原理介绍自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口Sxy ,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变,即增加滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y) 处(即目前滤窗中心的坐标的值。
中值滤波在数字图像去噪中的应用
中值滤波在数字图像去噪中的应用数字图像在现代社会中应用非常广泛,但在图像处理过程中往往会存在噪声干扰的问题。
为了处理图像中的噪声,人们研究出了许多图像去噪的方法,其中中值滤波是一种常用的去噪方法。
本文将介绍中值滤波在数字图像去噪中的应用。
一、中值滤波的原理中值滤波是一种非线性滤波方法,其原理是以像素点为中心,以像素点的灰度值进行排序,然后选择中间值作为该像素点的灰度值,从而达到去除噪声的效果。
中值滤波的应用范围很广,不仅可以用于灰度图像的去噪,还可以用于彩色图像的去噪。
1. 中值滤波在灰度图像去噪中的应用在数字图像处理中,灰度图像是一种最常见的图像格式,常常需要对其进行去噪处理。
中值滤波在灰度图像去噪中有着广泛的应用。
其原理是通过对每个像素点邻域内的像素值进行排序,然后选取中间值作为该像素点的像素值,从而实现去除图像中的噪声点的效果。
中值滤波对于椒盐噪声、高斯噪声等不同类型的噪声都有较好的去除效果,能够有效地提高图像质量。
彩色图像是由红、绿、蓝三种颜色通道组成的,对彩色图像进行去噪需要考虑到这三种颜色通道的信息。
中值滤波同样适用于彩色图像的去噪处理,其原理是对每个像素点的颜色通道进行排序,然后选取中间值作为该像素点的颜色值。
这种方法可以有效地去除彩色图像中的各种噪声,包括颜色失真、色块噪声等问题,从而提高图像的质量。
在一些对实时性要求较高的图像处理应用中,中值滤波也有着广泛的应用。
由于中值滤波的计算量较小,且对图像的处理速度要求不高,在一些对实时性要求较高的场景中,中值滤波被广泛应用。
比如在视频监控、无人驾驶、医学图像处理等方面,中值滤波都有着重要的应用价值。
1. 优点中值滤波具有计算简单、去噪效果良好、对数字图像边缘保护好等优点。
由于中值滤波是基于像素的排序来进行的,对不同类型的噪声都具有较好的去除效果,能够有效提高图像质量。
2. 缺点中值滤波方法对于大面积的噪声效果并不理想,因为它会破坏图像的细节信息,导致图像的平滑度较高。
一种消除脉冲噪声的迭代自适应中值滤波方法
一种消除脉冲噪声的迭代自适应中值滤波方法朱运海;张京钊;江涛;武红智【摘要】基于脉冲噪声的特点提出了一种新的滤波方法--迭代自适应中值滤波方法(Iterative Adaptive Median Filter,IAMF).本方法根据被脉冲噪声污染的图像的特征,建立相应的权重函数,并结合迭代算法进行噪声消除,处理后的图像不但能够较好地保留细节信息,而且能够保持良好的清晰度.此外,在IAMF滤波过程中,由于噪声点不参与计算,从而有效避免了图像中噪声点对正常像素的影响,同时也提高了运算速度.试验结果进一步证明:当噪声率超过0.5时,该方法的优越性尤为突出,噪声率超过O.9时,图像处理效果仍比较理想.【期刊名称】《山东科学》【年(卷),期】2010(023)004【总页数】6页(P51-55,76)【关键词】迭代自适应中值滤波;脉冲噪声;图像处理【作者】朱运海;张京钊;江涛;武红智【作者单位】山东省科技发展战略研究所,山东济南250014;中国科学院生态环境研究中心,北京 100085;山东省科技发展战略研究所,山东济南250014;山东科技大学测绘科学与工程学院,山东青岛266510;山东科技大学测绘科学与工程学院,山东青岛266510;山东省科技发展战略研究所,山东济南250014【正文语种】中文【中图分类】TP391.41Abstract:This paper presents an iterative adaptive median filter(IAMF)approach based on the characteristics of impulse noise.The approach constructs the weight function of an impulse noise contaminated image according to its characteristics and then eliminates noise with an iterative algorithm.An I AMF processed i mage can not only reserve the micro information of its original i mage but also have better definition.This approach effectively avoids the influence of noise dots on the non-noise dotsof an image and improves computation speed since those noise dots are not involved in the calculation.This approach has a better denoise effect for an i mpulse noise contaminated image, especially when the noise rate is above 0.5.This approach still has better satisfactory effectwhen the noise rate is above 0.9.Key words:iterative adaptive median filter;impulse noise;image processing 中值滤波器是由著名学者 J.W.Tukey于 1971年提出的,其实质为对图像像素进行邻域运算,即:将待处理像素点的某一邻域内的所有像素按灰度值进行排序,然后取其中间值来替代待处理像素的灰度值。
自适应中值滤波器的原理
自适应中值滤波器的原理一、引言在数字图像处理中,滤波器是一种常用的技术,用来改善图像的质量和减少噪声的影响。
而自适应中值滤波器作为一种常见的滤波器,其原理是根据像素点周围的邻域像素值来动态调整滤波器的大小,以达到更好的滤波效果。
本文将详细介绍自适应中值滤波器的原理和应用。
二、自适应中值滤波器的原理自适应中值滤波器的原理可以分为以下几个步骤:1. 定义滤波器的大小:首先需要确定滤波器的大小,一般以邻域像素的个数来表示。
通常情况下,滤波器的大小为3x3或5x5。
2. 选择邻域像素:根据滤波器的大小,选择以当前像素点为中心的邻域像素。
邻域像素的选择可以采用不同的方式,如以当前像素为中心的正方形区域或圆形区域。
3. 对邻域像素进行排序:将选取的邻域像素按照像素值进行排序,得到一个有序的像素序列。
4. 计算中值:根据排序后的像素序列,计算出其中值。
中值是指像素序列中的中间值,如果序列的长度为奇数,则中值为序列的中间元素;如果序列的长度为偶数,则中值为序列中间两个元素的平均值。
5. 判断像素是否是噪声:将当前像素与中值进行比较,如果它们的差值小于某个阈值,则判断当前像素为噪声;否则,当前像素保持原值。
6. 更新滤波器的大小:如果当前像素被判断为噪声,则增加滤波器的大小,重新选择邻域像素,并重复步骤3到步骤5,直到当前像素不再被判断为噪声。
7. 应用滤波器:对图像中的每个像素都按照上述步骤进行处理,最终得到滤波后的图像。
三、自适应中值滤波器的应用自适应中值滤波器广泛应用于数字图像处理领域,主要用于去除图像中的椒盐噪声和脉冲噪声。
椒盐噪声和脉冲噪声是图像中常见的噪声类型,它们会导致图像质量下降并影响后续的图像分析和处理。
通过自适应中值滤波器,可以有效地去除椒盐噪声和脉冲噪声,使图像恢复到原本的清晰度和细节。
其原理是利用邻域像素的信息来判断当前像素是否是噪声,并根据判断结果动态调整滤波器的大小,从而更好地适应不同类型和程度的噪声。
基于噪声特征和矢量中值滤波的彩色图像去噪算法
龙源期刊网
基于噪声特征和矢量中值滤波的彩色图像去噪算法
作者:韩金玉王守志
来源:《计算机应用》2009年第09期
摘要:为了有效去除彩色图像噪声,同时保留图像细节信息,并提高处理速度,在分析彩色图
像噪声特征的基础上,探索了基于噪声点的距离测度特性的判别算法,并结合改进的矢量中值滤波(VMF)算法对检测出的噪声点予以降噪处理。
试验结果表明:该方法能够较好地抑制噪声,有效地保留了图像细节信息,且所用时间仅为传统矢量中值滤波算法的1/2左右。
关键词:彩色图像;图像去噪;噪声特征;矢量中值滤波。
应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法
应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法韩晓微;晏磊;原忠虎;徐心和
【期刊名称】《图学学报》
【年(卷),期】2006(027)006
【摘要】首先对彩色图像RGB 3个颜色通道的子图像,以串行的方式,确定出各颜色通道的脉冲噪声位置.根据待检测像素点附近4个邻域的灰度均值,自适应调整脉冲噪声判断阈值.由各通道的噪声检测结果经运算得到彩色图像脉冲噪声检测结果.采用改进的自适应矢量中值滤波法,对脉冲噪声有选择地滤除.实验结果表明,该方法结合标量方法进行脉冲噪声检测,矢量方法滤除彩色图像中的脉冲噪声,具有较好的滤波性能指标和视觉效果.
【总页数】6页(P63-68)
【作者】韩晓微;晏磊;原忠虎;徐心和
【作者单位】北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京重点实验室,北京,100871;沈阳大学信息工程学院,辽宁,沈阳,110044;北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京重点实验室,北
京,100871;沈阳大学信息工程学院,辽宁,沈阳,110044;东北大学信息科学与工程学院,辽宁,沈阳,110004
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.针对脉冲噪声的双窗口自适应中值滤波方法 [J], 胡旺;冯伟森;李志蜀
2.基于排序差值脉冲噪声检测的彩色图像滤波方法 [J], 景娜;刘嘉敏;黄有群
3.彩色图像脉冲噪声的模糊检测和滤波 [J], 满利红;王士同
4.一种新的基于脉冲噪声点检测的自适应中值滤波算法 [J], 彭良玉;杨辉;黄满池
5.一种消除脉冲噪声的迭代自适应中值滤波方法 [J], 朱运海;张京钊;江涛;武红智因版权原因,仅展示原文概要,查看原文内容请购买。
针对彩色图像的脉冲噪声滤波器的开题报告
针对彩色图像的脉冲噪声滤波器的开题报告论文题目:针对彩色图像的脉冲噪声滤波器摘要:在数字图像处理领域常常会遇到各种噪声类型,在这其中,脉冲噪声是其中最为恼人的一种。
脉冲噪声具有突发性和随机性,很容易干扰图像提取和识别的精度。
因此,研究脉冲噪声的滤波处理已成为数字图像处理领域一个极为热门的研究方向。
本文将探讨针对彩色图像的脉冲噪声滤波器的开发,主要包括噪声分析、滤波算法的设计、仿真验证等内容。
关键词:脉冲噪声,彩色图像,滤波器,数字图像处理。
介绍:数字图像处理是一种将图像处理成可被计算机处理的形态的技术方法。
其中噪声的存在,是极大影响了数字图像的质量和图像识别的精度。
脉冲噪声是其中最为恼人的一种,它包含了胡乱的明暗变化,极易使图像产生锯齿状,并且严重影响图像的视觉效果和识别率。
因此,如何对脉冲噪声进行有效的滤波处理,对于提高数字图像处理算法的精度尤为关键。
本文将针对彩色图像的脉冲噪声问题,分析脉冲噪声的来源、特点及产生机理等,并提出了一种新的滤波算法。
方法:本文针对彩色图像的脉冲噪声问题,提出一种基于改进中值滤波器的滤波算法。
神经网络的思想被引入到该滤波器中,使它在保持中值滤波器滤波效果的同时,具备了一定的自适应性能。
该算法运用了颜色空间的特性,分别对三个颜色通道进行滤波处理,并根据像素之间的相关性,使得算法能够适应不同强度的噪声。
实验:本文对设计的脉冲噪声滤波算法进行了仿真实验,通过对比该算法的滤波效果与其他常用滤波方法的效果,验证了该算法的有效性。
实验结果表明,该算法可以更好地保留图像细节信息,并且具有更好的抗噪能力。
结论:本文研究了针对彩色图像的脉冲噪声滤波算法,提出了一种基于改进中值滤波器的滤波方法,该算法具有较好的适应性和抗噪能力。
实验结果表明该算法能够更好地减弱脉冲噪声,保护图像的细节信息,为数字图像处理中的脉冲噪声问题提供一个有效的解决方法。
基于噪声检测的自适应中值滤波
基于噪声检测的自适应中值滤波由于椒盐噪声是逻辑噪声,虽然采用中值滤波器滤波可以得到较好的结果,但是也有学者提出极值中值滤波方法[9]。
极值中值滤波方法对于那些拥有高密度噪声的图像可以达到非常好的的处理效果,但是对于处于较低密度的图像去噪处理效果不佳,并且会造成图像的模糊。
还有一些学者引入模糊多极值开关的方法,虽然在保留图像细节及边缘信息上这一方面有了很大的改进,但却对于图像的去噪处理并不理想。
在上文中我们介绍了一种改进的自适应中值滤波方法[11],本章节将基于该种方法,并通过分析图像噪声信息,提出一种基于噪声检测原理的自适应中值滤波,用来解决那些高密度噪声和多细节图像去噪不理想的问题。
第一节噪声检测机制在生活中,往往由于缺乏高精度相机传感器、设备出现意外或含有传输途径中的噪声污染。
使得接收到的图像会包含一些原图像没得噪声。
而这样的噪声主要为图像像素的灰度值突变超出常规的很大或者很小,也就是所谓的脉冲噪声(椒盐噪声)。
本文中对灰色椒盐噪声的图像的分析与处理,希望能得到一个理想的降噪方案,以提高图像质量。
椒盐噪声在图像中表现超出常规的很大或者很小。
当噪声点很大的时候,假定其灰度值为255,则该噪声点在图像中的表现形式为一个亮点,即盐点;当噪声点很小的时候,假定灰度值为0,这个时候图像上表示为一个暗点,也就是椒点。
在图3.1中,(a)和(b)分别是对于512*512大小的lena图加以5%和20%的椒盐噪声的图像,(c)和(d)则分别是(a)、(b)中像素点灰度值的柱形图。
从图(c)和(d)可以看出,柱形图的左边和右边分别有一段很突出的灰度值,通过分析不难发现,这两段即是受噪声影响突变产生的极值。
处于这两段极值中间的图形,则说明了当前图像原本信息的分布情况。
图3.1 加噪的lena图及其像素点分布情况:(a)密度为0.05的lena,(b)密度为0.2的lena(c)为a图的像素点分布情况,(d)为b图的像素点分布情况本文设定了一种具有针对受椒盐噪声影响的图像灰度值分布情况的特殊性的噪声检测机制。
一种基于多尺度噪声检测的图像中值滤波器_张专成
素进行有效中值滤波之前, 增加了对恒定区域的检测与处理。
用代表恒定区域类像素集合, 其检测过程的表达式如下:
g( x, y) ∈C if W[g( x, y) ]#A
( 5)
式( 5) 描述的恒定区域类像素的检测方法是如果 g( x, y) 是
脉 冲 噪 声 , 且 以 g( x, y) 为 中 心 的 滤 波 窗 口 W[g( x, y) ]内 所 有 像
选择较大的检测尺度。尺度越大, 对脉冲噪声的抑止作用越弱,
对图像细节的保护作用越强, 反之, 尺度越小, 对脉冲噪声的抑
止作用越强, 对图像细节的保护作用越弱。假定输入图像被脉
冲噪声污染的像素比例为 !, 并令:
M= 2
( 4)
!
那么每 M个像素中, 平均将含有 1 个正脉冲噪声和 1 个负脉
冲噪声, 如果脉冲噪声的空间分布是均匀的, 那么可以采用同
检测的原则是首先求得集合eij的最大值和最小值然后将集合dij中那些灰度值等于该最大值或最小值的像素归入脉冲噪声类像素集合a其余归入有效信号类像素集合本文算法除对检测尺度需要做适当的选择外不需要设置其它任何参数既可用于从重度污染的图像中滤除脉冲噪声也可用于从轻度污染的图像中滤除脉冲噪声
60 2008, 44( 7)
Abstr act: The concepts of standard median filtering and effective median filtering are presented, and a median filter based on adaptive multiple scale noise detecting is proposed to restore images corrupted by salt - pepper impulse noise.The filter divides pixels of input image into effective signal class, impulsive noise class as well as constant region class.Then the pixels of various class are treated by different methods.Extensive experimental results demonstrate that the proposed algorithm performs significantly better than many existing decision- based methods, and the implementation of this algorithm is very simple. Key wor ds: median filter; impulse noise; multiple scale detecting
基于噪声检测的自适应中值滤波算法
基于噪声检测的自适应中值滤波算法时军艳;刘树聃【期刊名称】《计算机工程与设计》【年(卷),期】2011(032)009【摘要】Aimed to the flaw that the median filtering algorithm has a poor handling capacity to high-density and fine texture noise, a dynamic window-based adaptive median filter algorithm is proposed. According to the associated level between noise-point information and the surrounding, the new algorithm adjust the noise point filter value, which can get a better deal with the details of the images. The adaptive strategies strengthen the performance of the filtering de-noising algorithm, which is good at dealing the high-density noise. Through simulation analysis, the new algorithm is better than other algorithms.%针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法,新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好地处理图像的细节部份,该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除,通过仿真分析结果表明,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,其去噪效果相比其他方法更加优秀.【总页数】4页(P3115-3118)【作者】时军艳;刘树聃【作者单位】许昌市计算机信息技术应用研究所,河南许昌461000;许昌学院信息工程系,河南许昌461000;许昌市计算机信息技术应用研究所,河南许昌461000;许昌学院信息工程系,河南许昌461000【正文语种】中文【中图分类】TP311;TP751【相关文献】1.基于剩余噪声检测的自适应中值滤波算法 [J], 林其伟2.基于噪声点多级检测的自适应中值滤波算法 [J], 朱威;韩巨峰;陈朋;赵备3.基于CUDA的椒盐噪声自适应中值滤波算法 [J], 段群;吴粉侠;刘小豫4.基于噪声检测的自适应中值滤波算法 [J], 刘茗5.一种新的基于脉冲噪声点检测的自适应中值滤波算法 [J], 彭良玉;杨辉;黄满池因版权原因,仅展示原文概要,查看原文内容请购买。
一种新的彩色图像脉冲噪声滤波算法
一种新的彩色图像脉冲噪声滤波算法李庆利;王永强;陈宝【摘要】In light of the practical requirement of embedded machine vision application system on filtering processing system,we proposed an improved vector median filtering algorithm for colour image.It uses comprehensively the grey correlation analysis method and vector median filtering technology.First it calculates the similarity degrees of each pixel vector in the image according to grey correlation analysis for measur-ing the correlation degree between the pixels,that is,to substitute the common space distance with grey correlations between pixels.Second-ly,it adds noise detection unit to the algorithm by using the grey correlation degree between pixels.By comparative experiment,it is found that the grey correlation analysis-based colour image filtering algorithm can quickly and efficiently filter the impulse noise in the image,and is superior to other algorithms in preserving effect of edge details in the image,and for computation efficiency,it is much higher than other algo-rithms as well.%针对嵌入式机器视觉应用系统对滤波处理算法的实际要求,提出一种改进的彩色图像矢量中值滤波算法。
自适应中值滤波算法滤除医学图像脉冲噪声
自适应中值滤波算法滤除医学图像脉冲噪声宁春玉;赵春华【期刊名称】《计算机工程与应用》【年(卷),期】2012(48)24【摘要】An adaptive median filter that can remove impulse noise in medical images is implemented, and it is compared with traditional median filter and averaging filter by two objective evaluation criteria, root-mean-square error and destroyness degree of noise to original image. The pixel at the center of filtering window is detected to determine whether it is an impulse noise based on given condition. Median filter with adaptive window is applied to eliminate the noise. The algorithm overcomes the shortcoming of median filter that replaces the value of each pixel by the median of the gray levels in the neighborhood of that pixel, and reduces unnecessary loss of image detail. Simulation results based on MATLAB show that, for larger impulse noise density, it not only eliminates noise effectively, but also preserves the edges and detail information of the objects. The algorithm has been used in the virtual endo-scope system, and the filtering performance is very satisfactory.%实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价.根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失.基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息.该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果.【总页数】4页(P153-156)【作者】宁春玉;赵春华【作者单位】长春理工大学生命科学技术学院,长春130022;长春理工大学生命科学技术学院,长春130022【正文语种】中文【中图分类】TP301【相关文献】1.一种改进的严重脉冲噪声滤除算法 [J], 毕萍2.一种改进的脉冲噪声的检测与滤除算法 [J], 杨幸芳;张梦文;严凯;郭恩跃3.一种基于两阶段的脉冲噪声滤除算法 [J], 陈守水;杨新4.快速滤除脉冲噪声的八向叠加算法 [J], 余旺盛;侯志强5.一种新的基于脉冲噪声点检测的自适应中值滤波算法 [J], 彭良玉;杨辉;黄满池因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2o o 6年
工 程 图 学 学 报
J OURNAL OF ENGI NEERI G N GRAP I H CS源自2o o6N06 .
第 6期
应用 多通 道脉冲噪声检 测 的彩 色 图像
自适应 中值滤波方法
韩晓微 , 晏 磊 原忠虎2 徐心和 2 , ,
HAN a . i一, YAN i YUAN o gh XU n h Xio we Le , Zh n - u , Xi. e
( . eigK y a pt lnomao nert n& I p lainIstto R moe e s gadGI, e i IB in e L bS aa Ifr t nItgao j i i i tA pi t ,ntue f e tS ni n S P kn s c o i n gUnvri, eig107 , hn; i syB in 0 8 1C ia e t j
a e c di sr l o e Wi e u g etheh l ajs daat e co i e r dt t e a m d. t t d m n t so d t dpi l acr n t t e ee n i hhj r d ue vy d g oh
文献标识码 :A 文 章 编 号:10.18 060 . 6 .6 0 305 ( 0)60 30 2 0
An Ap r a h o a t eM e i n Fi e i gf rCo o m a eBa e n p o c f Ad p i d a l rn l rI g s d o v t o De e to fI p leNo s rM u tp eCoo a n l tcino m u s ief li l l rCh n es o
(. 1 北京大学遥感与地理信息系统研究所空问信息集成与 3 ST程应用北京重点实验室,北京 107 ; 081 2 沈阳大学信息工程学院,辽宁 沈阳 104 ;3 东北大学信息科学与-程学院,辽宁 沈阳 10 0 ) . 104 . I - 104
摘 要 :首先对彩色图像 R B3 G 个颜 色通道的子图像,以 串 的方式 ,确定出各颜 行 色通道的脉冲噪声位置。根据待检 测像素点附近 4个邻域的灰度均值 ,自适应调整脉冲噪声 判断阈值。由各通道的噪声检测结果经运算得到彩色图像脉冲噪声检测结果。采用改进 的 自 适应 矢量 中值滤波法,对脉冲噪声有选择地滤除。实验结果表 明,该方法结合标量方法进行 脉冲噪声检测,矢量方法滤除彩色图像中的脉冲噪声,具有较好 的滤波性 能指标和视觉效果。 关 键 词:计算机应用;彩 色图像滤波; 自适应 中值滤波;脉冲噪声;噪声检测 中图分类号:T 9 .1 P3 1 4
2 S h o o Ifr a o n ier g S e yn . c o l f n o t nE gn ei 。 h n a gUnv r t S e y n L a nn l o 4 C ia m i n i s , h n a g i igI O 4 , hn ; ei y o 3 S h o f no a o ce c . c o l I fr t nS i e& E gn e n , r e s r nv r t, h n a g io ig I0 0 , hn ) o m i n n ier g Not a t nU i s S e y n L a nn 1 0 4 C ia i h e ei y
a ea ev le o e fu ed u ru dn h ie, e px l fi u s o s r ee td v r g au ft o rf lss ro n ig tep x l t ieso h i h mp l n ie aed tce . e F rh r o e ted tce eut fi u s os so v r oo h n e ma e aes nh sz d utem r , ee td rs l o h s mp len ie f ey c lrc a n li g r y te ie e t efn l euto ewh l oo g . eb sso ers l , n a p o c fi r v d ot a s l ft oec lri h i r h ma e On t a i f e ut a p r a h o h h t s mp o e me in fl r gi p l dt ee t ey r mo et ei u s os si oo g . i lt n da ti sa p i s lci l e v i en e o v h mp len ie ac lri n ma e Smu ai o e p r n ss o ta e a p o c , ih i n e rtd b oh m o e fs aa u n i n x e me t h w h tt p r a h whc si tgae y b t d so c lrq a ty a d i h t v co , alrmo et ei us o sso oo a e e e t ey a d h v e e efr n e e t r c r e v mp len ie fc lri g f ci l n a eb a rp ro ma c s h m v h nt te it p ra h so lri ta eoh r xsi ga p o c e f oo g l r g h e n c ma ef ti . i en K e r s o ue p l ain; oo g l rn ; d pie me in f tr g mp l y wo d :c mp tra pi t c o c lri ma e f t ig a a t da l i ;i us i e v i en e n ie n ied tcin os ; os ee t o
Ab t a t Ba e nt eRGB oo p c , o e p r a ht e v h mp len ie sr c : s do h c lrs a e an v l p o c rmo etei u s os si a o n a ma ei p o o e . rt i a hc l r h n e f n i g , h o ain fi us o s s n i g s r p s d At s,ne c oo a n l ma e t elc t so i f c o a o mp len ie