基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

一种运动自适应去隔行中值滤波算法

在分析了现有各种去隔行算法的基础上,提出一种基于边缘的中值去隔行运动自适应算法。对运动部分,采用在最大相关性方向上进行中值滤波。实验证明,算法充分利用了图像时间和空间上的信息,有效克服了传统算法去隔行后图像边缘不够平滑,出现锯齿,对噪声敏感的不足,该算法占用硬件资源少,运算复杂度低,易于硬件实现。     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

用局部对比度信息改善图像质量

在图像的摄取和传输中,图像经常降质。为了改善图像质量,将信息熵的概念与图像的局部对比度信息相结合,提出了一种基于熵概念的非线性噪声的滤除方法,并进一步利用局部统计信息对图像进行增强。分别对模拟图像以及红外图像进行了试验,并与中值滤波、Lee滤波、Frost滤波等经典噪声滤波方法进行比较,实验结果验证了该方法的有效性。     

基于中值排序的自适应加权均值滤波算法

分析了MTM算法的原理、优点和不足，并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数，完成对含噪图像的均值滤波。实验证明，算法能较好地滤除高斯噪声和脉冲噪声，且滤波效果优于传统的中值滤波和MTM滤波，是一种简单、实用的图像滤波算法。     

改进自适应中值滤波算法在图像去噪中的应用

传统自适应中值滤波算法不能根据图像噪声浓度自适应改变最大最小窗口尺寸,并且噪声浓度较高时,算法的执行效率会显著降低。针对上述问题,提出了一种改进自适应中值滤波算法。该算法的主要思想是通过估计图像的噪声污染浓度,建立噪声浓度与窗口尺寸的函数映射关系,确定最大最小窗口尺寸。针对传统自适应中值滤波算法运行时间较长的问题,提出了基于分治法的思想快速确定滤波窗口中图像灰度的最大最小值和中值。从实验结果来看,该算法提供了最大最小窗口尺寸设置的依据,在获得相同滤波效果的同时比传统自适应中值滤波算法执行效率更高。     

稳像火控中目标角速度测量误差及滤波方法

对稳像火控系统中目标角速度的测量过程进行了分析,指出采用自动传感器测量目标角速度仍存在误差,且对射击诸元的影响较大;在计算机采集数据的有限时间段内,该误差序列为均值不为零的随机干扰噪声,采用均值—中值加权滤波方法可有效减小该嗓声对射击诸元影响.     

改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

基于小波变换和中值滤波的无人机图像去噪算法

在无人机航拍图像的实时传输过程中,有可能会同时受到脉冲和高斯混合噪声的污染,为后续图像的识别造成很大的困难.针对这种情况,提出了一种基于中值滤波和小波变换相结合的图像去噪方法.仿真结果表明,该方法不仅能有效地滤除脉冲和高斯的混合噪声,而且可以很好地保留图像的细节信息,改善图像的视觉效果.