一种基于多级阈值的中值滤波算法设计
- 格式:docx
- 大小:10.99 KB
- 文档页数:1
基于多级中值滤波提升小波技术的图像去噪吴昌东1,江桦2,邱晓初11.西华大学电气信息学院,成都 610039;2.西南交通大学峨眉校区计算机与通信工程系,峨眉 614202提要:针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。
首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。
对含不同混合噪声图像进行去噪实验。
结果表明:采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。
关键词:多级中值滤波;提升小波;混合噪声;图像去噪中图分类号:TP391 文献标识码:A 文章编号:0253-2743(201006-0023-02A denoising mixed noise method based on multistage median fliter and lifting wavelet technology WU Chang-dong 1,JIANG Hua 2,QIU Xiao-chu11.School of Electrical and Information Engineering,Xihua Univers ity.Chengdu 610039,China;2.School of Computer and Co mmunication Engineering,The E-mei Campus of Southwes t Jiao Tong University,e-mei 614202,ChinaAbs tract:Invie w of practical i mage including mixed noise with s al t &pepper and gaussian,an adaptive multis tage median fi lter technol ogy bas ed on median fil ter wasapplied to denois ing salt &pepper noise.Firs tl y,multis tage medi an filter was constructed to find the matri x of mixed noise,Then image wi th mixed noise was filted,At the same ti me,a lif ting wavelet was constructed by li fti ng origi nal wavelet.The adaptive threshold based on lifting wavelet transform for image denoising was applied to denoising gaus sian noi se.Through denoising vary of mi xed noi se,It is s hown that the proposed method has the virtues of s peeding the program,i mproving the signal-to-noi se ratio,protec ting edge information ,denoising the mixed well and good effec t.K ey words :nul tis tage median fil ter;li fti ng wavelet;mi xed noise;i mage denoising收稿日期:2010-10-06基金项目:四川省教育厅自然科学研究重点项目(07Z A114作者简介:吴昌东(1978-,男,汉族,四川武胜县人,讲师,主要研究方向:信号与信息处理。
基于多级中值滤波—提升小波技术的图像去噪
吴昌东;江桦;邱晓初
【期刊名称】《激光杂志》
【年(卷),期】2010()6
【摘要】针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。
首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。
对含不同混合噪声图像进行去噪实验。
结果表明:采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。
【总页数】2页(P23-24)
【关键词】多级中值滤波;提升小波;混合噪声;图像去噪
【作者】吴昌东;江桦;邱晓初
【作者单位】西华大学电气信息学院;西南交通大学峨眉校区计算机与通信工程系【正文语种】中文
【中图分类】TN713
【相关文献】
1.基于小波域高斯混合模型与中值滤波的图像去噪研究 [J], 杨辉;彭良玉;陆世专
2.基于多级中值滤波和小波域HMT的图像去噪 [J], 陈静;张飞云;姚宁
3.基于Daubechies小波和中值滤波的图像去噪法 [J], 王建中;张晖;等
4.小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪 [J], 杨泽青; 李超; 黄凤荣; 彭凯; 刘丽冰
5.小波域高斯混合模型与中值滤波的混合图像去噪研究 [J], 胡晓东;彭鑫;姚岚因版权原因,仅展示原文概要,查看原文内容请购买。
测井图像的多级中值滤波算法及其FPGA实现李志远;双凯;胡林陶【期刊名称】《电子设计工程》【年(卷),期】2015(0)20【摘要】In order to reflect the reality of the information of stratum, the data which is acquired by Micro Resistivity Imager need filtering, and median filtering is commonly used in image preprocessing. So this paper has introduced the principle of the standard median filtering and multi-level median filtering. By analyzing the characteristics of the rhombic window and its applicable conditions, this paper has designed and realized FPGA-based rhombic filter window and functional simulation. Comparing the FPGA resource consumption of hardware structure of the two filtering windows, it is has been turned out that this rhombic window has a strong practical effect on elimination of stratigraphical noise.%微电阻率成像测井仪传输上来的地层信息数据需要滤波处理后才能真实地反映出地层中油层的信息,而中值滤波是图像预处理中常用的技术. 本文介绍了标准中值滤波和多级中值滤波的原理,分析了菱形窗口的特点以及适用条件,设计并实现了基于FPGA的菱形滤波窗口及其功能仿真,并对两种滤波窗口的硬件结构进行FPGA资源消耗的对比,说明文中设计的菱形滤波器对消除地层噪声干扰有很强的实用性.【总页数】4页(P169-172)【作者】李志远;双凯;胡林陶【作者单位】中国石油大学(北京) 北京 102249;中国石油大学(北京) 北京 102249;中国石油大学(北京) 北京 102249【正文语种】中文【中图分类】TN713【相关文献】1.探测器图像中值滤波算法的FPGA设计与实现 [J], 齐建玲;苏行;王俊红;段晓东;赵姝雅2.基于FPGA实现的图像中值滤波算法 [J], 朱祥路;丁捷3.基于FPGA的实时图像中值滤波算法及实现 [J], 蒋涛;李自勤4.图像中值滤波算法及其FPGA的实现 [J], 侯法柱;彭楚武;方亮5.基于FPGA的红外图像中值滤波算法研究与实现 [J], 孙少伟;杨粤涛;杨炳伟;钟海林因版权原因,仅展示原文概要,查看原文内容请购买。
一种基于多级阈值的中值滤波算法设计
中值滤波是一种常用的数字图像处理技术,用于去除噪音和平滑图像。
它通过在图像中的每个像素周围取邻域的中值来代替该像素的数值,从而有效地减小噪声的影响。
传统的中值滤波算法往往对图像的细节部分也进行了平滑处理,并且对于不同的噪声强度和图像细节情况的处理效果有限。
为了改进这一问题,本文提出了一种基于多级阈值的中值滤波算法设计,通过在中值滤波过程中引入多个阈值,能够更灵活地控制平滑程度,适应不同噪声强度和图像细节情况。
介绍传统的中值滤波算法。
传统的中值滤波算法是基于像素邻域的排序统计学概念,对于每个像素点,选择一个以它为中心的邻域,并将邻域内的像素值按大小排序,然后取其中值作为当前像素的值。
这样可以很好地去除噪声,但同时也会使图像的细节部分变得模糊。
具体来说,算法的步骤如下:
1. 定义多级阈值。
在算法开始前,首先要明确多个不同的阈值,通常是根据实际应用场景和图像特点来确定的。
这些阈值将用于控制平滑程度。
2. 对图像中的每个像素进行处理。
对于图像中的每个像素,选择以该像素为中心的邻域,计算邻域内像素值的中值。
然后根据邻域内像素值与各个阈值的关系,选择适当的阈值来进行中值滤波处理。
3. 输出处理后的图像。
完成对所有像素的处理后,即得到了处理后的图像结果。
值得注意的是,该算法对于不同的图像和噪声情况有着较好的适应性,并且能够在一定程度上保留图像的细节。
通过对不同阈值的选择,可以得到不同平滑程度的图像,从而能够灵活地应对不同的需求。