导读:本文包含了椒盐滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:噪声滤除,椒盐噪声,开关中值滤波,基于决策的算法
椒盐滤波论文文献综述
王波[1]（2019）在《滤除椒盐噪声的改进中值滤波算法比较》一文中研究指出用标准中值滤波去除数字图像中的椒盐噪声时,会丢失图像的边缘细节,且噪声密度较大时会失效。基于此,大量的改进方法被提出。对几种典型的改进中值滤波方法进行了仿真实验,并完成了定量分析。实验结果表明,在滤除椒盐噪声的问题上,基于决策的算法滤波效果优于开关中值滤波;在噪声密度较大时,自适应中值滤波优于基于决策的算法,但时间复杂度较高。认为在基于决策的算法中引入自适应窗口的方法,能在不明显提高时间复杂度的前提下有效地提高降噪效果,对进一步改进中值滤波具有一定的指导意义。(本文来源于《贵阳学院学报(自然科学版)》期刊2019年03期）
李伟伟[2]（2019）在《非局部的可切换滤波图像椒盐噪声去除方法》一文中研究指出针对图像被高强度椒盐噪声污染的问题,提出一种可切换的非局部去噪算法.首先将噪声图像切割为若干局部块作为算法的基本处理单位,设计块的预修复过程,以避免由于高噪声污染对局部块的干扰,保证相似度度量和模型估计过程的准确性;其次,在非局部范围内构造非局部滤波器,度量相似度并计算修复权值以进行噪声修复,得到全方位的图像去噪效果.实验结果表明,该算法较传统局部信息构建滤波器的方法,无论对低污染程度的图像,还是高污染程度的图像,在效果和图像衡量指标上均有一定的提升.(本文来源于《吉林大学学报(理学版)》期刊2019年04期）
万丰丰,周国民,周晓[3]（2019）在《一种去除椒盐噪声的自适应模糊中值滤波算法》一文中研究指出针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段:采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。噪声去除阶段:信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。(本文来源于《浙江大学学报(理学版)》期刊2019年04期）
张旭涛[4]（2019）在《基于高斯-椒盐噪声的滤波算法》一文中研究指出数字图像在采集、传输和存储过程中极易受到混合噪声,特别是高斯-椒盐混合噪声的污染。传统滤波算法大多是针对某一种噪声而设计,对混合噪声的抑制效果并不明显。鉴于此,提出了一种基于高斯-椒盐混合噪声的新型滤波算法。实验结果表明:在主观和客观两方面的综合评价下,所提滤波算法对混合噪声的抑制要明显优于传统图像滤波算法,其在混合噪声的滤波上具有一定的参考价值。(本文来源于《计算机科学》期刊2019年S1期）
陈家益,战荫伟,曹会英,董梦艺[5]（2019）在《消除椒盐噪声的基于纹理特征的决策滤波》一文中研究指出图像中椒盐噪声的有效去除,取决于噪声检测和噪声灰度估测的准确性,但现有的滤波算法在噪声检测和噪声灰度估测上的准确性不高。因此,提出了基于图像纹理特征的决策滤波算法。算法根据椒盐噪声的灰度最值特征和独立性,以及图像纹理的特征进行噪声检测,将噪声与信号像素准确地区分开。算法根据纹理中像素灰度的平滑变化特征,将邻域中的信号像素进行分组,然后基于相关性与正态概率分布的意义,取与邻域均值最接近的分组的中值作为噪声像素的估测值。实验的结果证明,所提出的算法检测噪声更加准确,其去噪结果对应的峰值信噪比(PSNR)比现有的算法平均提高1.9 dB以上,图像增强因子(IEF)比现有的算法平均提高119以上。因此,相对于现有的算法,所提出的算法在去噪性能上具有显着的优越性。(本文来源于《电子测量与仪器学报》期刊2019年03期）
董林鹭,杨平先,陈明举[6]（2019）在《基于椒盐噪声滤波算法的优化处理》一文中研究指出提出了一种针对椒盐噪声滤波算法的优化方法。首先对椒盐噪声图像进行平滑预处理,将结果与椒盐噪声图像做差运算,当差值大于阈值则判定为噪声点;再利用椒盐噪声图像减去噪声像素点得到一幅未被污染的细节图像,利用滤波处理后的图像减去未被污染的细节图像得到噪声滤波处理后的像素点,然后将这些处理后的像素点与未被污染的细节图像镶嵌融合,实现在滤波过程中只对噪声像素点进行滤波处理。实验结果表明,相较于原椒盐滤波算法,优化算法对峰值信噪比提升了2dB左右;同时,优化算法对去核辐照噪声的滤波算法同样具有优化作用,优化处理所需时间小于0. 01 s,图像的保真率得到了提高。(本文来源于《四川理工学院学报(自然科学版)》期刊2019年01期）
郑亮,方恩印,朱明[7]（2019）在《基于开关二级检测的图像椒盐噪声滤波算法》一文中研究指出鉴于开关中值滤波在椒盐噪声检测和去除方面的应用合理性,本文分别设计实现了基于信号局部差异性和基于信号方向差异性的椒盐噪声检测算法。这两种算法均属于二级噪声检测方法,且第一级检测手段都是基于灰度范围准则。两种算法的不同点主要体现在第二级检测算法上,前者基于局部差别准则,后者基于方向差别准则。在方法评价部分,首先通过分析和实验确定两种算法的最优参数设置;然后通过对不同噪声密度的测试图像去噪来评价两种算法的去噪效果。结果表明:基于方向差异性的算法比基于局部差异性的算法具有更好的性能,且两种算法的去噪效果都与噪声密度成反比。需要注意的是,这两种算法都容易将图像中的细微边缘或细节像素误判为噪声点,即在噪声的检测过程中,只能避免对图像中主要边缘和轮廓像素的误判,还无法对图像中的细微边缘和细节进行精确判定,这也是开关二级噪声滤波算法今后的主要改进方向。另外,算法效率测试结果表明两种算法具有相似的计算时间,从而验证了两者之间的算法结构相似性。(本文来源于《液晶与显示》期刊2019年01期）
沈德海,鄂旭,侯建[8]（2019）在《基于MTM和灰色关联的椒盐噪声滤波算法》一文中研究指出为了有效去除数字图像中的椒盐噪声,结合灰色理论和MTM滤波原理,提出了一种基于MTM和灰色关联的去除椒盐噪声的滤波算法。算法采用开关滤波原则,如果滤波窗口中心点为噪声点,统计滤波窗口内非噪声点的像素值集合,以集合中像素中值M为中心,δ为阈值选取灰度区间[M-δ,M+δ],将落在区间内的像素值确定为比较序列,然后计算这些像素的中值,将中值作为参考序列,采用均值化方法对比较序列和参考序列进行无量纲化处理,利用灰色关联分析法计算各比较序列对应元素的关联系数,将它们作为对应像素的权值系数进行加权运算,将最终的加权结果作为滤波窗口的滤波输出。如果滤波窗口中心点不是噪声点,则保持该点原始像素值不变。从实验结果可以得出,该算法和标准中值滤波算法、极值中值滤波算法、MTM滤波算法相比,具有较强的抑制椒盐噪声性能,且边缘保护效果良好。(本文来源于《计算机技术与发展》期刊2019年04期）
王拓,王洪雁,裴炳南[9]（2019）在《一种消除椒盐噪声的迭代自适应中值滤波算法》一文中研究指出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,提出一种消除椒盐噪声的迭代自适应中值滤波算法。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%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。(本文来源于《电光与控制》期刊2019年02期）
陈波,吕俊瑞[10]（2018）在《基于人工蜂群的中值滤波算法处理椒盐噪声》一文中研究指出中值滤波算法处理椒盐噪声时不区分信息点和噪声点,对噪声点滤波的同时,对信息点也进行了滤波,造成了信息的失真、边缘的模糊。在实际应用中,因噪声点的灰度值N未知而无法区分噪声点和信息点,且选择的滤波模板阶数R也未知,而二者的值不同,图像的处理效果不同,找到二者的最优组合便能得到图像的相对最优去噪效果。在论文中,利用人工蜂群算法(Artificial bee colony algorithm.ABC)进行噪声点的灰度N和滤波模板阶数R的域内寻优,通过二者的最优组合Xi(N,R)并结合信息点原样输出的策略,能取得空间域中的相对最优去噪效果,即图像的域内最优解。(本文来源于《电脑知识与技术》期刊2018年29期）
椒盐滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对图像被高强度椒盐噪声污染的问题,提出一种可切换的非局部去噪算法.首先将噪声图像切割为若干局部块作为算法的基本处理单位,设计块的预修复过程,以避免由于高噪声污染对局部块的干扰,保证相似度度量和模型估计过程的准确性;其次,在非局部范围内构造非局部滤波器,度量相似度并计算修复权值以进行噪声修复,得到全方位的图像去噪效果.实验结果表明,该算法较传统局部信息构建滤波器的方法,无论对低污染程度的图像,还是高污染程度的图像,在效果和图像衡量指标上均有一定的提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
椒盐滤波论文参考文献
[1].王波.滤除椒盐噪声的改进中值滤波算法比较[J].贵阳学院学报(自然科学版).2019
[2].李伟伟.非局部的可切换滤波图像椒盐噪声去除方法[J].吉林大学学报(理学版).2019
[3].万丰丰,周国民,周晓.一种去除椒盐噪声的自适应模糊中值滤波算法[J].浙江大学学报(理学版).2019
[4].张旭涛.基于高斯-椒盐噪声的滤波算法[J].计算机科学.2019
[5].陈家益,战荫伟,曹会英,董梦艺.消除椒盐噪声的基于纹理特征的决策滤波[J].电子测量与仪器学报.2019
[6].董林鹭,杨平先,陈明举.基于椒盐噪声滤波算法的优化处理[J].四川理工学院学报(自然科学版).2019
[7].郑亮,方恩印,朱明.基于开关二级检测的图像椒盐噪声滤波算法[J].液晶与显示.2019
[8].沈德海,鄂旭,侯建.基于MTM和灰色关联的椒盐噪声滤波算法[J].计算机技术与发展.2019
[9].王拓,王洪雁,裴炳南.一种消除椒盐噪声的迭代自适应中值滤波算法[J].电光与控制.2019
[10].陈波,吕俊瑞.基于人工蜂群的中值滤波算法处理椒盐噪声[J].电脑知识与技术.2018