基于阈值的极值中值新型滤波方法

针对图像滤波中去噪与细节保护的矛盾,在分析极值中值滤波方法的基础上,提出了一种基于阈值的极值中值新型滤波方法。该算法将受脉冲噪声污染图像中的像素点用预判断算子法进一步分为噪声点、边缘细节区和平坦区3种类型,然后做不同的处理以获得良好的细节保护效果。仿真试验结果表明,该方法在去除噪声的同时,能更好地保持图像边缘细节,具有较好的处理效果。     

基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

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.     

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.     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

一种新的去噪算法在农作物图像处理中的应用

简单介绍了中值滤波原理、小波去噪数学模型和小波去噪原理,在此基础上提出了一种基于小波变换的中值滤波方法,该方法是结合图像的时域特性和频域特性对图像进行分析,有效地弥补了一些传统算法上的不足之处。结果表明:该方法不但能去除农作物图像中的脉冲噪声和高斯噪声,而且能较好地保留农作物图像的细节,其滤波效果优于单一的传统滤波方法。     

基于脉冲耦合神经网络的汉字纹理特征提取

论文运用改进的脉冲耦合神经网络（PCNN）简化模型结合梯度向量的方法对汉字图像进行纹理特征提取。首先对汉字图像求出梯度向量得到梯度图像,然后利用PCNN的脉冲并行高速传播特性对梯度图像进行迭代点火,每次点火后的二值图像进行概率统计,全部迭代次数的统计向量作为提取的纹理特征。仿真结果表明统计向量作为纹理特征的有效性,同时验证了该方法具有运算速度快、旋转不变性和尺度不变性的优点,为汉字复原提供了研究的基础条件。     

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。     

基于形态学和分形理论的农产品图像去噪

结合形态学和分形理论对农产品图像进行去噪处理,先通过形态学的开运算和闭运算滤除图像的正脉冲和负脉冲噪声,滤除噪声的高频部分效果明显,再计算经过形态学滤波后图像的分形维数,通过分形维数估算出修正参数修正图像,不仅能兼并噪声的低频部分,还能去除由于形态学结构元素方向的限制所产生的毛刺,起到平滑图像的作用.试验仿真得到的结果与传统的小波去噪、中值滤波、均值滤波相比较,不仅有较高的信噪比,还能保留图像的细节,提高主观的视觉效果.     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

一种新的混合滤波算法

在超限像素滤波的基础上,融合了均值滤波和中值滤波的优点,提出了基于3种滤波的1种新的混合滤波算法．由实验的图像、均方误差（MSE）、峰值信噪比（PSNR）和Q指标可以看出,这种新的混合滤波算法能有效地滤除图像多种噪声,较好地保护图像的边缘和细节．     

基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

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.     

高斯模糊图像的复原处理与研究

分析了几种经典图像复原算法,在已知图像退化函数的情况下,对高斯模糊图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行了复原,在这几种算法的参数选取上得到了丰富的经验数据。仿真结果表明,在高噪声环境下,维纳滤波抑制噪声的能力较强,有约束最小二乘方滤波复原方法保持细节效果最好。     

基于形态学融合滤波的农业图像改进MSR增强算法

农业图像增强对于提高图像识别与分析结果的准确性有很大帮助。多尺度Retinex(muti-scale retinex,MSR)算法由于对噪声具有较强的敏感性,容易在增强图像信息的同时放大噪声,为此结合形态学滤波思想对MSR算法进行改进。首先分别采用半径为1、2的棱形结构元素构建了开启-闭合、闭合-开启的形态滤波器,将它们分别对含有噪声的农业图像进行滤波,获得了滤波图像1、滤波图像2;然后根据局部像素最大化原则对滤波图像1、滤波图像2进行融合,得到滤波后图像;最后采用MSS算法对滤波后的图像进行增强。分别采用图像标准差(standard deviation,SD)、归一化均方根误差(normalized mean square error,NMSE)对增强后的图像进行客观性评价。结果表明,该算法对于低对比度且含有噪声的农业图像的增强效果明显优于形态学滤波、MSR算法。     

Laplace多尺度图像增强去噪算法

针对传统的单尺度图像增强算法的不足,提出了一种基于Laplace多尺度分解的图像增强算法。该算法将图像分为由高频到低频若干个子图像,对每个频道的细节图像进行不同的非线性变换,使得图像中最细微的、对诊断有用的信息得到有效的增强,同时图像又不被过增强,再通过分解的逆过程重建图像。试验表明,该方法能有效提高图像中细节的清晰度并抑制噪声。     

1种农产品图像二维多级中值滤波改进算法

农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。     

基于双通道PCNN的玉米种子机械裂纹检测方法

针对玉米种子机械裂纹检测准确率低的问题,提出一种基于双通道脉冲耦合神经网络(PCNN)模型的数字图像融合方法:1)运用离散小波变换(DWT)、非下采样轮廓波变换(NSCT)分别对预处理后的玉米种子机械裂纹图像进行分解,得到各自的高低频子带;2)对高低频子带系数分别采用不同链接强度的改进空间频率激励的双通道PCNN模型进行融合操作,得到融合后的高低频子带系数;3)通过NSCT反变换得到最终的玉米种子机械裂纹图像.试验结果表明:采用双通道PCNN模型检测玉米种子机械裂纹的准确率为97.2％;图像熵、相关熵、相关系数、均方根误差分别为0.3511、1.7314、0.9835和0.5263,整体优于LoG、DWT、NSCT和PCNN方法;双通道PCNN方法的单张图像的执行时间为14.9007 s,运行时间最长,但效果最优.