椒盐噪声

摘要： Canny边缘检测算法在众多领域都有广泛的应用,但是在实际的工作环境下噪声污染的问题亟需解决,图像边缘检测的效果极易受到椒盐噪声的影响,并且Canny算法检测的结果存在断层以及丢失边缘细节的问题,为了从图像中去除椒盐噪声,并且能够更加有效的从图像中提取出感兴趣区域的边缘信息,提出了一种基于改进Canny算子的图像边缘检测算法。该算法设计了一种新型滤波器来取代传统算法中的高斯滤波器,使其能够滤除图片中的椒盐噪声。原始算法在计算图像梯度时只使用了水平和垂直两个方向的梯度模板,而改进的算法增加了45°和135°两个方向的梯度模板。最后在进行高低阈值的连接时采用最大间类方差法来进行最优阈值的确定。

摘要： 针对目前缺乏简单有效的方法去除图像椒盐噪声的问题,基于网函数插值算法,提出一种迭代网函数插值去噪算法。利用包含不同密度(10%、30%、50%和70%)椒盐噪声的多个图像进行数值实验,并与其他方法进行对比研究。实验结果表明,1)该算法可以有效去除不同密度椒盐噪声;2)对低密度噪声经过少量迭代后快速收敛,对高密度噪声可自适应增加迭代次数达到更好去噪效果,该算法具有良好的收敛性;3)在3×3窗口,每次网函数插值仅需2次乘法运算和7次加法运算,算法运算效率高。

摘要： 地震数据去噪是地震资料处理的核心环节,去噪的质量直接影响后续处理的精度。实际地震数据中含有多种随机噪声,常见的随机噪声有高斯噪声和椒盐噪声,通常需要采用不同的去噪算法分别进行压制,不可避免会造成有效信号的损失。双边滤波算法能够压制高斯噪声,但是对椒盐噪声不敏感,多级中值滤波算法能够压制椒盐噪声,无法去除高斯噪声。文章将多级中值滤波算法代入双边滤波算法核函数,提出一种基于多级中值的双边滤波算法,能够同时去除地震数据中的高斯噪声和椒盐噪声,更好地保留有效信号。

摘要： 为了提高煤矿井下图像采集的质量,通过研究分析卡尔曼滤波的初状态值选取与遗传算法来优化卡尔曼滤波,提出一种新的图像去噪算法——GAK(Genetic Algorithm Kalman)。分析了图像噪声的成因与四种经典滤波;研究设计了卡尔曼滤波的初状态值选取;详细阐述了GAK原理,以及GAK求解步骤;运用MATLAB对GAK的参数值进行整定,并对井下椒盐噪声的图像进行仿真降噪。结果表明:GAK对井下椒盐噪声有着较好的抑制效果。

摘要： 非局部均值利用图像的非局部相似信息实现图像噪声的消除,但未考虑到噪声之间的差异性与特殊性,其去除噪声与修复图像详细信息能力有限。为了有效去除图像的椒盐噪声,提出一种充分利用椒盐噪声特性与图像的非局部相似信息的自适应非局部均值滤波算法。该算法通过自适应均值实现对椒盐噪声点的检测,进而采用与图像局部方向一致的长方形相似窗口进行非局部均值滤波与信息的重建。对比实验表明,提出的自适应非局部均值滤波算法有效地利用椒盐噪声的特性与图像的自相似信息,在消除椒盐噪声的同时,更好地重构图像的结构信息,峰值信噪比与结构相似度高于目前其它非局部均值滤波,图像去噪性能更优。

摘要： 图像在采集、压缩、传输和接收的过程中,会受到脉冲噪声的影响,给后续的边缘检测、图像分割或目标识别等造成干扰;传统中值滤波将图像的RGB分量转为YCbCr分量进行滤波,该转换方法会损失一定的色度信息,且未将彩色信息完全分离,导致滤波后的图像产生色彩偏移;针对上述问题,利用HSI彩色空间中的I和S色彩分量对椒盐噪声进行检测,并通过自适应中值滤波将椒盐噪声滤除,图像还原度更高;利用FPGA对算法进行了硬件加速,在xc7a100tfgg484-2芯片上运行频率达222 MHz,可实现2k@60 Hz视频的实时处理。

摘要： 脉冲耦合神经网络模型常常被应用于图像去噪当中,本文在一种简化的脉冲耦合神经网络的基础上,对相关模型中的重要的参数与关系式进行了改进。首先,对神经元内部活动项的非线性关系中的重要参数做出改进,它影响着相邻神经元对中心神经元的点火速度,对图像去噪的结果影响巨大;同时对简化的脉冲耦合神经网络模型做进一部优化,减少模型中的相关参数,让衰减时间常数随着阈值常量变化而变化。将改进的简化脉冲耦合神经网络应用于图像去除噪声当中,经过相关实验对比可得,建立的改进脉冲耦合神经网络的简化模型,不仅对数字图像中的椒盐噪声的去除有很好的效果,而且能够真实.地还原图像的细节信息。相比于采用均值滤波和中值滤波降噪处理结果,图像更为清晰,还原图像信息效果更好。

摘要： 均值滤波算法处理椒盐噪声时效果不理想,中值滤波算法与自适应中值滤波算法求得的中值作为滤波的结果效果较差,降噪效果一般,为了能更好地处理椒盐噪声,提出了一种改进的自适应中值滤波的降噪方法,即在自适用增加窗口的同时分割滤波窗口,并对分割后窗口进行多次中值计算。实验采用信噪比SNR和峰值信噪比PSNR来评定对椒盐噪声的降噪能力,当对图像加入噪声密度为0.02和0.05的椒盐噪声时,改进后算法效果更好,其信噪比SNR的值比均值滤波、中值滤波和自适应中值滤波提高了8.23和7.52、3.92和2.02、3.19和0.96;峰值信噪比PSN的值比均值滤波、中值滤波和自适应中值滤波分别提高了8.22和7.50、3.91和2.01、3.19和0.95。实验结果证明,改进后算法对椒盐噪声有很好的降噪能力,滤波效果明显,滤波性能较高。

摘要： 针对传统Canny算子对图像中存在的椒盐噪声处理效果差,造成边缘提取效果不理想的问题,提出一种改进型Canny算子图像边缘检测算法。该算法采用一种新颖滤波器和改进的均值滤波器相混合的混合滤波器来代替经典Canny算子中的高斯滤波器,以传统算法中的垂直和水平方向梯度模板为基础,拓展45°方向和135°方向,共4个方向的梯度模板求取图像的梯度幅值,使用自适应阈值分割法算法自动选取图像高、低阈值。通过检测不同背景下含有椒盐噪声的图像,以SNR函数与PSNR函数作为评价指标,实验结果表明,改进后的算法能够有效去除图像中的椒盐噪声,并且保留图像真实边缘信息。

摘要： 图像信号在传输过程中因受到外部干扰而产生椒盐脉冲噪声,已有的针对灰度图像的椒盐脉冲噪声滤波方法都有缺点。针对脉冲椒盐噪声,提出了一种考虑多方向线性结构的椒盐脉冲噪声滤波方法。首先,对滤波窗口中的像素的结构特征进行判断。当滤波窗口区域属于平坦区域时采用中值滤波进行滤波。其次,对该区域进行是否具有线性结构进行判断。判断线性结构时,利用与中央线相邻的两条线上的像素值的分布情况进行判断。如果滤波窗口区域具有线性结构时,使用考虑线性结构的滤波方法。线性结构的滤波方法中考虑了12个方向的线性结构,通过多幅灰度图像进行了比较实验,实验验证了所提方法的有效性。

摘要： 针对文本图像在获取、处理和传输过程中产生的椒盐噪声,提出一种去除文本图像椒盐噪声的方法.该方法首先标记噪声点.然后采用OTSU阈值分割法将信号点分为文字与背景两类.最后对邻域内信号点进行扩散处理去除噪声.实验结果表明,相比传统的去噪算法,该方法能够减少笔画断裂和伪笔画的产生.

摘要： 重获噪声图像的原始直方图有助于确定像素的原始灰度值.本文讨论了脉冲噪声下图像直方图的行为,给出了由噪声图像直方图直接或近似估计原始图像直方图的公式,表明了公式的收敛性,并作了仿真验证.结果成功地应用于高椒盐噪声图像的恢复问题。

摘要： 获得噪声干扰图像的原始直方图有助于判断像素的原始灰度值.本文分析了脉冲噪声下图像的原始直方图估计出现局部偏差的原因,并以噪声率给定而噪声散布逐步均匀的图像序列作仿真,分析和实验结果都表明随着脉冲噪声趋于均匀成为椒盐噪声,图像的估计直方图将收敛于原始直方图.

摘要： 基于机器视觉的钢轨伤损检测方法常常会在采集图像的过程受到噪声干扰而影响对图像的进一步的处理.本文针对图像中易出现的椒盐噪声的滤波问题提出一种改进的中值滤波算法.该算法在矩形滤波窗中以中心像素点为标志点分出一个上三角形块,从上三角形块中寻找出灰度中值代替待处理点的灰度值.通过将本文算法与其他算法进行仿真实验,结果证明了新算法的有效性,在能取得满意的滤波效果的同时,算法的运行时间也得到有效的降低.

摘要： 在分析碑文图像的基础上，针对碑文图像中存在噪声的特点，结合中值滤波和小波滤波各自的优点，提出一种去除碑文图像中噪声的新方法。通过对去噪后的碑文图像进行分析，证明该方法的去噪效果较好，这对碑文图像的进一步分析研究有着重要的意义。

摘要： 为了更好的恢复被高密度椒盐噪声污染的图像，本文提出了一种基于两阶段方法去除图像椒盐噪声的算法。首先，利用改进的自适应中值滤波算法标识出图像中被污染的像素点，然后对被污染的像素点采用变分滤波的方法进行恢复。此方法有效的避免了自适应中值滤波算法和变分滤波算法各自的缺点，利用了自适应中值滤波良好的噪点识别能力和变分滤波的细节保护的特性，对于噪声密度高达80％的图像依然可以达到很好的恢复效果。rn 仿真结果验证了所提出算法的有效性，并且在效果上要明显的优于传统的变分自适应中值滤波算法。

摘要： 数字视频质量评估在视频压缩、处理以及视频通信领域中起着十分重要的作用.最近Guan-Hao Chen在Zhou Wang提出的MSSIM方法基础上,提出了一种基于边缘结构失真的测量方法(ESSIM),但是这种方法不能够很好的直接应用到视频领域.本文就人类视觉系统(HVS)做了一定的研究,提出了一种考虑人眼视觉特性,结构信息和根据运动信息进行场景分类的视频质量评价方法(SISD).实验结果表明,在压缩损失、模糊和部分椒盐噪声损失上,其评价结果要好于现有的几类通用的评价方法.

摘要： 本发明公开了一种基于图像分割和区域增长的椒盐噪声降噪算法，包括椒盐噪声预处理器和基于图像分割和区域增长的滤波器。其中椒盐噪声预处理器通过预定义的图像边缘模板来查找潜在的图像边缘，并对噪声图像进行初步降噪处理。基于图像分割和区域增长的滤波器，先对初步降噪后的图片进行图像边缘检测，再采用边缘跟踪算法对图像边缘进行连接和编号，从而将图像划分成一块块不规则的区域；然后对于原始图像中的每一个噪声像素，采用八邻域区域增长算法将与当前噪声像素处于同一区域的邻近的无损像素放入到计算域内，最后求解计算域内的无损像素的加权平均值来替换当前噪声像素，从而达到降噪的目的。

摘要： 本发明公开了一种椒盐噪声降噪算法，包括椒盐噪声检测器、基于边缘保护的滤波器。其中椒盐噪声检测器用于查找定值椒盐噪声，并以噪声像素为中心确定一个自适应的窗口，窗口的大小根据窗口内的噪声密度进行调节。基于边缘保护的滤波器通过窗口内的无损像素值的加权平均值来替代中心的噪声像素值来实现的；其中，加权平均值是根据与中心噪声像素的距离来确定加权的大小；“基于边缘保护”是指根据设计的边缘检测器检测中心噪声像素是否位于图像的边缘，然后根据判断的结果对与同在图像边缘的无损像素添加附加的权值，以实现边缘保护的目的。

摘要： 本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值，实现了以低成本修复图像噪声的有益效果。

摘要： 本发明属于数字图像处理领域，针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题，基于循环迭代处理思想，本发明提出一种消除椒盐噪声的迭代自适应中值滤波方法。在传统基于决策滤波方法基础上，所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素，进而根据噪声密度自适应决定算法迭代次数以完全消除椒盐噪声并恢复原始图像。仿真结果表明，对噪声密度为10％到99％的图像，与标准中值滤波及其四种改进算法相比，本发明所提方法能较快消除椒盐噪声且可较好恢复原始图像细节。

摘要： 本发明涉及一种基于椒盐噪声全变分数据增广的图像语义分割方法，所述方法基于全变分正则化模型进行数据增广，并对增广后的数据集运用神经网络技术，实现医疗PET/CT图像的中的肿瘤分割的方法，该方法对增广后的数据集采用神经网络的方法，实现医疗PET/CT图像的中的肿瘤分割。本发明通过将该类图像数据也作为样本加入数据集，通过极小化全变分正则化去噪模型中的优化问题，迭代产生满足不同精度要求的去噪结果，对数据集进行进一步的扩充，使得得到的图像分割结果更具鲁棒性。

摘要： 本发明公开了一种针对指纹图像椒盐噪声的有效去除方法，包括：1)设置初始状态值，2)检测指纹图像中所有点是否为候选噪声点；3)根据最小绝对亮度差与自适应阈值的关系，检测指纹图像中所有候选噪声点是否为真正噪声点；4)运用窗口中极值像素密度的信息选择去噪窗口，对真正噪声点进行像素值的替换；5)滑动滤波窗口直到整幅指纹图像均被处理完成，实现针对指纹图像椒盐噪声的有效去除。本发明能够根据指纹图像上纹线的特点，使用指纹图像局部的细节信息，改善指纹图像上椒盐噪声的去除和细节保护的问题，同时提升了指纹图像在被椒盐噪声污染时的恢复效果，进一步可以实现更精确的指纹特征识别。

摘要： 本发明提供了一种滤除椒盐噪声的采样方法及系统，使用检测器对图像进行检测，从图像中得到噪声像素点；将噪声像素点当作缺失数据，并以噪声像素点为中心的检测窗内的非噪声像素点进行处理，得到椒盐曲面；以噪声像素点的空间坐标对椒盐曲面进行重开关采样，得到噪声像素点的去椒盐值，实现了以低成本修复图像噪声的有益效果。

摘要： 本发明涉及一种针对椒盐噪声的自适应非局部均值滤波方法。属于数字图像处理技术领域。提出了一种简单而有效的去除椒盐噪声的方法。首先，使用滑动窗口识别噪声点，并使用局部滤波进行初步去噪。其次，提出具有自适应参数的非局部均值滤波用于进行二次去噪。本发明根据椒盐噪声的强度水平将平滑参数设计为分段函数。在公开数据集上的实验结果表明，新的滤波器平衡了去噪效果和消耗时间之间的关系。而且，新的过滤器可以有效地恢复被污染图像的像素并保留图像的纹理细节。

摘要： 本申请提供一种基于形态成分分析的椒盐噪声滤波方法、装置，包括：获取含有椒盐噪声的待滤波图像；计算待滤波图像的维度，记为[n，m]；初始化一个n*m维的全1标记矩阵，作为椒盐噪声标记图；获取以像素值为0或255的像素点为中心的预设区域，并计算预设区域内各像素点之间的噪声方差；根据预设区域内的各像素点之间的噪声方差，在椒盐噪声标记图中标记椒盐噪声点的位置，更新并确定椒盐噪声标记图；基于形态成分分析算法对已标记椒盐噪声点的待滤波图像进行稀疏重构，获得滤除椒盐噪声的纹理成分图、平滑成分图以及边缘成分图。实现了通过形态成分分析的方法过滤图像中的椒盐噪声，提高了图像的质量，同时避免了图像边缘模糊丢失图像细节。

摘要： 本发明公开了一种基于图像分割和区域增长的椒盐噪声降噪算法，包括椒盐噪声预处理器和基于图像分割和区域增长的滤波器。其中椒盐噪声预处理器通过预定义的图像边缘模板来查找潜在的图像边缘，并对噪声图像进行初步降噪处理。基于图像分割和区域增长的滤波器，先对初步降噪后的图片进行图像边缘检测，再采用边缘跟踪算法对图像边缘进行连接和编号，从而将图像划分成一块块不规则的区域；然后对于原始图像中的每一个噪声像素，采用八邻域区域增长算法将与当前噪声像素处于同一区域的邻近的无损像素放入到计算域内，最后求解计算域内的无损像素的加权平均值来替换当前噪声像素，从而达到降噪的目的。