优化综合滤波方法抑制医学图像强脉冲干扰噪声的研究

为了抑制医学图像上的强脉冲干扰噪声等污染,并尽量保持图像的清晰度和细节边缘信息,在滤除强脉冲干扰的基础上,提出了一种利用灰度级形态学运算有机结合来滤除医学图像中椒盐噪声的新方法.该综合方法不仅能滤除强脉冲干扰,而且克服了灰度级形态学在椒盐噪声概率高时,达不到有效滤噪的缺点.实验表明,该方法可以有效滤除医学图像强脉冲干扰和椒盐噪声.     

基于改进中值滤波的图像噪声去除算法的研究

为了有效且快速滤除高密度椒盐噪声,同时又能很好地保护图像的细节,提出了一种基于中值滤波和均值滤波的改进滤波算法。该算法首先通过噪声检测过程确定图像中的噪声点和非噪声点,然后利用小窗口进行迭代滤波,根据窗口内非噪声点及噪声点数目的不同,采用相应的算法对窗口内噪声点进行适时的更新。试验结果表明,该算法能有效滤除密度从5%至80%的分布范围内的椒盐噪声,在图像的主观质量和客观质量方面均取得了较好的效果,有利于图像进一步的分析、判读。     

一种新的利用人眼视觉特性去噪方法的研究

提出一种新的利用人眼视觉特性去噪方法,该方法充分考虑利用人眼视觉特性确定噪声点,根据窗口内噪声点个数自适应选择合适的滤波窗口大小,采用B样条函数和中值滤波方法对噪声点进行逐点滤除.论文最后给出模拟实验和分析,结果表明该方法是有效的,既能有效地去除图像噪声点,又能较好地保持图像细节部分,为去除图像中的噪声提供了一种新的方法.     

基于MATLAB软件的图像去噪方法比较

一幅图像在实际应用过程中可能存在各种各样的噪声,给后面的图像区域分割、分析判断等工作带来了困难,因此图像去噪是图像处理中的重要组成部分.利用MATLAB软件对均值滤波、中值滤波和自适应滤波3种图像去噪技术进行分析比较.结果表明:均值滤波方法适于去除高斯噪声;中值滤波方法适于去除椒盐噪声,同时能较好保护图像边界;自适应滤...     

一种基于噪声点检测的自适应中值滤波方法

针对中值滤波在图像去噪时会造成图像细节丢失的问题,提出了一种新的基于噪声点检测的自适应中值滤波法.该方法对噪声点采用两级判断的方法:首先根据椒盐噪声的特点将图像像素点分为可疑噪声和信号两类;对于可疑噪声点,根据噪声与细节在图像中的表现,将可疑噪声分为噪声和边缘细节;然后采用不同的中值滤波窗口对噪声点进行滤波,对于两次判断得到的信号和边缘细节不进行处理以保持图像的细节.测试结果表明,与常用的中值滤波法相比,该方法不仅具有较好的去噪特性,还具有较强的细节保护能力.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

改进的中值滤波算法在图像处理中的应用

分析了中值滤波的滤波特点，针对一般中值滤波在滤除脉冲噪声中的不足，提出了自适应中值滤波的方法，并采用MATLAB仿真，仿真结果表明该方法具有更好的滤波效果。     

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。     

一种结合小波变换的豆类图像增强算法

针对农业视觉图像时常受到噪声的干扰,导致图像质量在很大程度降低的问题,以豆类图像为例,提出了一种图像自适应增强算法。该算法将小波变换与改进自适应中值滤波有机结合,首先对降质豆类图像实现2层小波分解,小波基函数取sym8,获得小波高频和低频分解系数;然后从噪声检测、自适应滤波等2个环节中对自适应中值滤波加以改进,提出了一种改进自适应中值滤波算法用于对小波各方向高频分解系数的自适应滤波;最后实现小波低频和高频系数的重构。将本研究算法与小波软阈值法、自适应中值滤波进行仿真试验比较,结果表明,本研究算法效果最优,能够实现对降质的豆类图像高质量增强处理。     

基于脊波变换域BDND的农作物图像改进中值滤波算法

实地获取农作物图像对于农作物长势以及病虫害进行监测具有重要作用,对此,结合脊波变换这一多尺度图像分析方法,在图像脊波变换域引入了边界判别噪声检测方法(Boundary discrimination noise detection,BDND),对经典中值滤波算法进行了改进,提出了一种基于脊波变换域BDND改进的中值滤波算法。该方法首先对图像进行多尺度脊波变换,获得了低频和高频分解图像,考虑到低频图像的视觉特征,采用同态滤波方法进行增强处理;然后对高频图像结合区域灰度值分布特征,设定2个自适应阈值,将经过2次噪声检测后处于该2个阈值间的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对视觉效果改善的低频图像和滤波后的高频图像进行逆脊波变换。分别采用C++语言对中值滤波、脊波域阈值去噪以及本文算法进行编程试验。结果表明,本文算法对于农作物图像的滤波效果稍优于其余2种方法。     

一种基因芯片图像滤波混合法

对基因芯片的表达数据进行分析，有助于获得基因的表达谱与功能之间的关联信息，而基因芯片图像的滤波方法，对于获得高质量的基因表达数据具有重要的意义。本文采用小波和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因芯片图像的部分高频噪声，避免了图像有用信号湮灭；而中值滤波法弥补了小波分析中的噪声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节信息。     

排种器种子流机器视觉图像的滤波及评价

在排种器试验及视觉检测过程中,排种器机器视觉图像的滤波是消除信号污染并可靠提取有用信息的必要步骤。采用比较法研究了中值滤波、线性滤波、维纳滤波、小波去噪、中值小波组合滤波等方法在不同滤波器参数下的滤波效果。结果表明,中值滤波效果较好,根据成像状况合理调节滤波器参数,在模板7×7时信噪比可达29.063 1,正确处理率则达0.996 9;中值小波组合滤波法略优于单纯使用中值滤波或小波去噪,其信噪比达到29.165 2,正确处理率则达0.997 1;处理较低光照条件下采集的排种图像,三种方法均达到较理想效果。     

矢量中值滤波彩色图像增强算法研究

矢量中值作为基于排序的非线性滤波方法,在消除彩色图像的噪声和保证图像边缘与细节上均有较好的稳健性.但是,由于其算法与窗口象素数的平方成正比,因而计算量很大.本研究提出一种改进的矢量中值滤波的彩色图像增强方法,该方法既可以提高其图像处理的运算速度,又能保证图像质量,其算法具有实用价值.     

蚕茧图像滤波效果定量分析

基于OpenCV和C＋＋，采用均值滤波、中值滤波和高斯滤波3种方法对采集到的多幅蚕茧图像进行降噪处理，通过计算峰值信噪比（PSNR）和均方误差（MSE）进行定量分析，结果表明，采用3×3模板的高斯滤波算法适用于蚕茧图像的降噪处理。     

水稻稻瘟病图像识别预处理方法研究

为了实现计算机对水稻稻瘟病病害的自动识别,研究了水稻稻瘟病病斑图像的预处理和形状特征提取方法。试验中利用灰度变换、直方图均衡化及中值滤波法有效去除了噪声和增强了图像,利用拉氏算子对病斑图像进行边缘检测,准确提取了病斑的形状特征,实现了稻瘟病图像目标分割。这些研究为进一步的特征参数提取及最终病害确定打下基础。     

温室蔬菜病害智能识别图像预处理及其特征提取方法的研究

采用计算机图像处理技术对温室蔬菜病害进行了智能化识别,并以黄瓜霜霉病为例研究了温室蔬菜病害智能识别图像预处理和特征提取的方法。试验选择白色作为病害叶片的背景,利用中值滤波法有效地去除了噪声的干扰,利用双峰法从背景中分离出病害图像,再对图像进行边缘检测,准确地提取了病斑的几何特征。该方法能够实现对病害图像的预处理,并且能够准确地提取病害特征。     

小麦腥黑穗病冬孢子显微图像的获取及处理

针对入境小麦腥黑穗病检验检疫中冬孢子区域计数问题,提出了小麦腥黑穗病图像处理的方法和流程.首先介绍了显微镜下腥黑穗病菌冬孢子图像的获取方法;在将冬孢子的彩色图像灰度化后,采用中值滤波抑制噪声,利用metric算法进行图像分割;为了从背景中准确提取冬孢子区域,流程中采用图像形态学方法来消除二值图像中冬孢子区域的背景噪声和孔洞,并剔除图像边界处不完整的冬孢子区域;最后采用区域标记的方法获得了冬孢子数目.结果表明,该研究提出的方法和流程能有效地改善图像的质量,并能够自动准确地提取并统计冬孢子区域,便于后续的识别工作.