CN108830798B - 一种基于传播滤波器改进的图像去噪方法 - Google Patents
一种基于传播滤波器改进的图像去噪方法 Download PDFInfo
- Publication number
- CN108830798B CN108830798B CN201810368998.9A CN201810368998A CN108830798B CN 108830798 B CN108830798 B CN 108830798B CN 201810368998 A CN201810368998 A CN 201810368998A CN 108830798 B CN108830798 B CN 108830798B
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixel point
- point
- weight
- central
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Abstract
本发明涉及一种基于传播滤波器改进的图像去噪方法,包括:在原始图像的像素点中选择一个像素点作为中心像素点;根据所述中心像素点和原始图像中的其他像素点,获取最大差异值;根据所述最大差异值计算每个所述其他像素点的权重;对所述中心像素点和所述其他像素点的权重进行归一化处理;根据归一化处理后的权重对所述中心像素点进行滤波操作;依次遍历每个像素点作为中心像素点,并依次执行步骤S1至步骤S5,得到去噪后图像。本发明的图像去噪方法针对中心像素点按照八邻域向外传播方式来寻找与中心像素点相似的边缘点,能准确地检测出更多的边缘方向,有效抑制孤立噪声点。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于传播滤波器改进的图像去噪方法。
背景技术
在图像的传输与获取过程中,经常由于工作环境条件等外界和内界因素的影响,使图像被噪声干扰,从而使得图像的部分信息被破坏,导致从图像中能够提取的有用信息也受到限制。
传播滤波器滤波去噪主要是以局部中心点为中心按照向外传播方式来进行的,滤波权重不仅与前一点的权重相关,同时也与该点与传播的前一点的像素差异值以及该点与中心点的像素差异值相关。传播滤波器滤波去噪在计算滤波权重过程中,不仅考虑该点与传播前一点的相似程度,而且考虑该点与局部中心点的相似程度。请参见图1,图1是现有技术中的一种基于传播滤波器的图像去噪方法的示意图。局部中心点记为o点,则t点的权重不仅与t-1点的权重相关,也与局部中心点o的权重相关。但是,现有的传播滤波器滤波过程中的传播方式是只能向上、下、左、右四个方向传播,没有考虑到斜向的传播方式,因此对于斜边缘的判断不太准确。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于传播滤波器改进的图像去噪方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供了一种基于传播滤波器改进的图像去噪方法,所述方法包括:
S1:在原始图像的像素点中选择一个像素点作为中心像素点a0;
S2:根据所述中心像素点a0和原始图像中的其他像素点ai,获取最大差异值;
S3:根据所述最大差异值计算每个所述其他像素点ai的权重;
S4:对所述中心像素点a0和所述其他像素点ai的权重进行归一化处理;
S5:根据归一化处理后的权重对所述中心像素点a0进行滤波操作,获得所述中心像素点a0的去噪后像素值;
S6:依次遍历每个像素点作为中心像素点a0,并依次执行步骤S1至步骤S5,得到去噪后图像。
在本发明的一个实施例中,所述S2包括:
S21:计算所述中心像素点a0与每个所述其他像素点ai的差异值绝对值;
S22:计算任意相邻的其他像素点ai之间的差异值绝对值;
S23:比较所述S21和所述S22中得到的所有差异值绝对值的大小,获取最大差异值diff_max。
在本发明的一个实施例中,所述S3包括:
根据下述公式计算所述其他像素点ai的权重:
其中,w_a0为所述中心像素点a0的权重,|ai-a0|为像素点ai与所述中心像素点a0的像素值的差异值绝对值,|ai-(a(i-1))|为像素点ai与传播路径中权重最大的前一点(a(i-1))的像素值的差异值绝对值,γ1、γ2为参数值。
在本发明的一个实施例中,所述S3具体包括:
其中,w_a0为所述中心像素点a0的权重,|am-a0|为相邻像素点am与所述中心像素点a0的像素值的差异值绝对值;
其中,w_a0为所述中心像素点a0的权重,|an-a0|为间隔像素点an与所述中心像素点a0的像素值的差异值绝对值,|an-(a(n-1))|为间隔像素点an与其传播路径中权重最大的前一像素点(a(n-1))的像素值的差异值绝对值。
在本发明的一个实施例中,所述S32包括:
S321:获取从所述中心像素点a0到间隔像素点an的所有传播路径;
S322:计算所述间隔像素点an在所有传播路径中的前一像素点的权重;
S323:选取所述前一像素点中权重最大的前一像素点所在的传播路径为选定传播路径;
S324:根据所述选定传播路径中的前一像素点的像素值计算与所述中心像素点a0间隔的像素点an的权重。
在本发明的一个实施例中,所述S4包括:
S41:对所述中心像素点a0和所述其他像素点ai的权重进行第一次归一化处理,获得第二权重;
S42:对所述第二权重进行判断,大于设定阈值的所述第二权重规定为0;
S43:对经步骤S42处理的第二权重进行第二次归一化处理,获得所有像素点的第三权重。
在本发明的一个实施例中,所述设定阈值为0.1-0.3。
在本发明的一个实施例中,所述S5包括:
S51:根据所述第三权重生成所述中心像素点a0的传播滤波器;
S52:将存储在所述传播滤波器中的所有像素点的权重与该像素点的像素值相乘,得到所有像素点的权重与像素值乘积;
S53:将所有像素点的权重与像素值乘积相加,得到卷积值;
S54:将所述卷积值作为所述中心像素点a0的去噪后像素值。
在本发明的一个实施例中,所述S6包括:
S61:将所述原始图像中的所有像素点分别作为中心像素点a0,重复步骤步骤S1至步骤S5,获得所有像素点的去噪后像素值;
S62:根据所有像素点的去噪后像素值获得最终去噪后图像。
与现有技术相比,本发明的有益效果在于:
1、本发明的基于传播滤波器改进的图像去噪方法针对中心像素点按照向外传播方式来寻找与中心像素点相似的边缘点,在现有四邻域传播滤波器的基础上将传播方向完善为八邻域,从而能准确地检测出更多的边缘方向,对各点滤波权重进行更加合理的分配,因此能对无边缘区域达到很好的平滑效果以及去噪效果。
2、本发明的图像去噪方法针对含有高斯噪声的图像具有良好的去噪效果和边缘保护效果,能更加准确地判断出边缘走向,从而对边缘信息起到更好的保护作用,通过控制参数γ1、γ2就能达到较好的去噪效果。
3、本发明的图像去噪方法设定了滤波权重阈值,能够对初步计算出的滤波权重进行阈值判断,进一步确保权重分配的合理性,同时能对孤立噪声点起到抑制作用。
附图说明
图1是现有技术中的一种基于传播滤波器的图像去噪方法的示意图;
图2是本发明实施例提供的一种基于传播滤波器改进的图像去噪方法流程图;
图3是本发明实施例提供的一种基于传播滤波器改进的图像去噪方法的示意图。
具体实施方式
下面结合具体实施例对本发明做进一步的详细描述,但本发明的实施方式不限于此。
实施例一
请参见图2,图2是本发明实施例提供的一种基于传播滤波器改进的图像去噪方法流程图。本实施例的图像去噪方法包括以下步骤:
S1:在原始图像的像素点中选择一个像素点作为中心像素点a0;
S2:根据所述中心像素点a0和原始图像中的其他像素点ai,获取最大差异值;
S3:根据所述最大差异值计算每个所述其他像素点ai的权重;
S4:对所述中心像素点a0和所述其他像素点ai的权重进行归一化处理;
S5:根据归一化处理后的权重对所述中心像素点a0进行滤波操作,获得所述中心像素点a0的去噪后像素值;
S6:依次遍历每个像素点作为中心像素点a0,并依次执行步骤S1至步骤S5,得到去噪后图像。
进一步地,所述S2包括:
S21:计算所述中心像素点a0与每个所述其他像素点ai的差异值绝对值;
S22:计算任意相邻的其他像素点ai之间的差异值绝对值;
S23:比较所述S21和所述S22中得到的所有差异值绝对值的大小,获取最大差异值diff_max。
具体地,以a0为中心像素点,首先计算除a0外各其他ai像素点与a0点的像素值差的绝对值以及任何相邻(八邻域)两像素点之间的像素值差的绝对值,比较这些像素值差的绝对值,记录下最大的差异值为diff_max。
进一步地,所述S3包括:
根据下述公式计算所述其他像素点ai的权重:
其中,w_a0为所述中心像素点a0的权重,|ai-a0|为像素点ai与所述中心像素点a0的像素值的差异值绝对值,|ai-(a(i-1))|为像素点ai与传播路径中权重最大的前一点(a(i-1))的像素值的差异值绝对值,γ1、γ2为参数值。在这里,传播路径是指从中心像素点a0到某一其他像素点ai的所有可能的扩散路径。例如,请参见图3,图3是本发明实施例提供的一种基于传播滤波器改进的图像去噪方法的示意图。如图所示,到达b1点的传播路径只有一种a0→a1→b1,到达b2点的传播路径有以下两种:a0→a1→b2和a0→a2→b2,到达b3点的传播路径有以下三种:a0→a1→b3、a0→a2→b3和a0→a3→b3。
其中,w_a0为所述中心像素点a0的权重,|am-a0|为相邻像素点am与所述中心像素点a0的像素值的差异值绝对值;
(b)获取从所述中心像素点a0到间隔像素点an的所有传播路径;
(c)计算所述间隔像素点an在所述传播路径中的前一像素点的权重;
(d)选取所述前一像素点中权重最大的像素点所在的传播路径为选定传播路径;
(e)根据所述选定传播路径中的前一像素点的像素值计算与所述中心像素点a0间隔的像素点an的权重,计算公式如下:
其中,w_a0为所述中心像素点a0的权重,|an-a0|为间隔像素点an与所述中心像素点a0的像素值的差异值绝对值,|an-(a(n-1))|为像素点an与其传播路径中权重最大的前一像素点(a(n-1))的像素值的差异值绝对值。
在本实施例中,规定w_a0=1,且γ1可以等于γ2,也可以不相等。这里γ1,γ2取值不同,图像的平滑程度也不同。γ1,γ2值越小,图像越平滑;γ1,γ2值越大,图像高频信息保留越多。
进一步地,所述S4包括:
S41:对所述中心像素点a0和所述其他像素点ai的权重进行第一次归一化处理,获得第二权重;
S42:对所述第二权重进行判断,大于设定阈值的所述第二权重规定为0;
S43:对经步骤S42处理的第二权重进行第二次归一化处理,获得所有像素点的第三权重。
在本实施例中,所述设定阈值可为0.1-0.3。
进一步地,所述S5包括:
S51:根据所述第三权重生成所述中心像素点a0的传播滤波器;
S52:将存储在所述传播滤波器中的所有像素点的权重与该像素点的像素值相乘,得到所有像素点的权重与像素值乘积;
S53:将所有像素点的权重与像素值乘积相加,得到卷积值;
S54:将所述卷积值作为所述中心像素点a0的去噪后像素值。
进一步地,所述S6包括:
S61:将所述原始图像中的所有像素点分别作为中心像素点a0,重复步骤步骤S1至步骤S5,获得所有像素点的去噪后像素值;
S62:根据所有像素点的去噪后像素值获得最终去噪后图像。
本发明的基于传播滤波器改进的图像去噪方法针对中心像素点按照向外传播方式来寻找与中心像素点相似的边缘点。在传播滤波器的基础上完善了相邻方式为八邻域,从而能准确地检测出更多的边缘方向,因此能对各点滤波权重进行更加合理的分配,因此该方法能对无边缘区域达到很好的平滑效果以及去噪效果,能有效抑制孤立噪声点。
实施例二
在上述实施例的基础上,本实施例以5*5个像素点的局部区域为例具体说明本发明的图像去噪方法。请参见图3,图3是本发明实施例提供的一种基于传播滤波器改进的图像去噪方法的示意图。如图所示,a0点为中心像素点,滤波时首先以a0为出发点,沿着八邻域进行传播来寻找边缘方向,之后继续往外传播以寻找更准确的边缘方向。
所述图像去噪方法包括:
步骤一、计算a0像素点的像素值与其他像素点ai的差异值绝对值以及任何相邻的其他像素点ai的像素值的差异值绝对值,获取最大差异值;
具体地,以a0为滤波中心点,首先计算除a0外各像素点与a0点的像素值差的绝对值以及任何相邻(八邻域)两其他像素点ai之间的像素值差的绝对值,比较这些像素值差的绝对值,记录下最大的差异值为diff_max。
步骤二、沿八邻域方向计算与中心像素点a0相邻的所有其他像素点am的权重;
具体地,沿图3中箭头所示的传播方式进行边缘方向检测,与中心像素点a0像素值相似的点的权重较大,也就是边缘方向上点的权重较大,其他与中心像素点a0差异较大的点的权重较小,在本实施例中,规定w_a0=1,具体的权重计算方式如下:
对于a1点:
对于a8点:
其他各点计算方式相同,其中,第一项w_a0表示的是中心像素点a0的权重,第二项表示的是当前计算点(例如,a1或a8)与中心像素点a0之间的相似程度,第三项表示的是当前计算点(例如,a1或a8)与传播前一点之间的相似程度,由于a1或a8的传播前一点均为中心像素点a0,因此在这里,第三项也表示的是当前计算点(例如,a1或a8)与中心像素点a0之间的相似程度。这里γ取值不同,对图像的平滑程度也不同。γ值越小,图像越平滑;γ值越大,图像高频信息保留越多。且γ1可以等于γ2,也可以不相等。
步骤三、沿八邻域方向计算与所述中心像素点a0间隔的所有其他像素点bm的权重;
具体地,外圈的各像素点的权重分配方式如下:
首先,到达b1点的传播路径只能是a0→a1→b1,因此b1点权重的计算方式如下:
其次,到达b2点的传播路径有以下两种:a0→a1→b2和a0→a2→b2。此时根据已经计算出的a1点和a2点的权重选择传播路径来计算b2点的权重,具体如下:
若w_a1=max(w_a1,w_a2),则有如下计算公式:
若w_a2=max(w_a1,w_a2),则有如下计算公式:
进一步地,与b2点情况相同的点还有b4、b6、b8、b10、b12、b14、b16,以相同的方式进行路径选择和权重计算。
另外,到达b3点的传播路径有以下三种:a0→a1→b3、a0→a2→b3和a0→a3→b3。同样地,此时也是比较前一点a1、a2、a3三点的权重,选择权重较大的传播路径来计算权重。具体如下:
若w_a1=max(w_a1,w_a2,w_a3),则有如下计算公式:
若w_a2=max(w_a1,w_a2,w_a3),则有如下计算公式:
若w_a3=max(w_a1,w_a2,w_a3),则有如下计算公式:
与b3点情况相同的点还有b7、b11、b15,以与b3点相同的方式进行路径选择和权重计算。
步骤四、对所有像素点的权重值进行归一化处理;
具体公式如下所示:
步骤五、对归一化后的权重值进行判断,大于设定阈值的权重值规定为0,全部比较完之后再一次进行归一化处理;
对各点的权重(w'_a0、w'_a1、……、w'_b16)进行大小判断,约束各点的权重贡献必须小于阈值T。当某点权重大于T时,重置该点权重为0。所有点都判断完之后,再一次进行归一化处理。在本实施例中,阈值T优选地为0.2。这种判断重置操作能够削弱权重过大像素点的贡献程度,即能抑制孤立噪声点、两个相连噪声点、三个相连噪声点。
步骤六、根据归一化处理后的权重进行滤波操作,遍历整个原始图像得到去噪后图像。
依据前五个步骤生成该区域对应的改进传播滤波器,用该改进传播滤波器与该区域卷积得到去除噪声后该局部中心点的像素值。沿着整幅图像进行自适应滤波器的生成,完成整幅图像的卷积后得到去除噪声后的输出图像。
具体过程包括:
(a)根据所述第三权重生成所述中心像素点a0的滤波器;
(b)通过所述滤波器与所有像素点的像素值获得所述中心像素点a0的去噪后像素值;
具体地,将存储在所述滤波器中的所有像素点的权重与该像素点的像素值相乘,得到所有像素点的权重与像素值乘积;将所有像素点的权重与像素值乘积相加,得到卷积值;将所述卷积值作为所述中心像素点a0的去噪后像素值。
(c)将所述原始图像中的所有像素点分别作为中心像素点a0,遍历整个原始图像,获得所有像素点的去噪后像素值;
(d)根据所有像素点的去噪后像素值获得最终去噪后图像。
本发明的基于传播滤波器改进的图像去噪方法针对含有高斯噪声的图像具有良好的去噪效果和边缘保护效果,采用沿中心像素点往外传播的方式来寻找边缘方向,能更加准确地判断出边缘走向,从而对边缘信息起到更好的保护作用,通过控制参数γ1、γ2就能达到较好的去噪效果,r越大时,对噪声的模糊效果越明显;当γ值越大时,对于高频信息的保护越强烈;反之,γ值越小时,对高频信息的模糊效果更加强烈。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种基于传播滤波器改进的图像去噪方法,其特征在于,所述方法包括:
S1:在原始图像的像素点中选择一个像素点作为中心像素点a0;
S2:根据所述中心像素点a0和原始图像中的其他像素点ai,获取最大差异值;
S3:沿八邻域方向,根据所述最大差异值计算每个所述其他像素点ai的权重;
S4:对所述中心像素点a0和所述其他像素点ai的权重进行归一化处理;
S5:根据归一化处理后的权重对所述中心像素点a0进行滤波操作,获得所述中心像素点a0的去噪后像素值;
S6:依次遍历每个像素点作为中心像素点a0,并依次执行步骤S1至步骤S5,得到去噪后图像;
所述S2包括:
S21:计算所述中心像素点a0与所述中心像素点a0周围八邻域的其他像素点ai的差异值绝对值;
S22:计算所述八邻域的其他像素点ai之间的差异值绝对值;
S23:比较所述S21和所述S22中得到的所有差异值绝对值的大小,获取最大差异值diff_max;
所述S4包括:
S41:对所述中心像素点a0和所述其他像素点ai的权重进行第一次归一化处理,获得第二权重;
S42:对所述第二权重进行判断,大于设定阈值的所述第二权重规定为0;
S43:对经步骤S42处理的第二权重进行第二次归一化处理,获得所有像素点的第三权重。
4.根据权利要求3所述的图像去噪方法,其特征在于,所述S32包括:
S321:获取从所述中心像素点a0到间隔像素点an的所有传播路径;
S322:计算所述间隔像素点an在所有传播路径中的前一像素点的权重;
S323:选取所述前一像素点中权重最大的前一像素点所在的传播路径为选定传播路径;
S324:根据所述选定传播路径中的前一像素点的像素值计算与所述中心像素点a0间隔的像素点an的权重。
5.根据权利要求1所述的图像去噪方法,其特征在于,所述设定阈值为0.1-0.3。
6.根据权利要求5所述的图像去噪方法,其特征在于,所述S5包括:
S51:根据所述第三权重生成所述中心像素点a0的传播滤波器;
S52:将存储在所述传播滤波器中的所有像素点的权重与该像素点的像素值相乘,得到所有像素点的权重与像素值乘积;
S53:将所有像素点的权重与像素值乘积相加,得到卷积值;
S54:将所述卷积值作为所述中心像素点a0的去噪后像素值。
7.根据权利要求6所述的图像去噪方法,其特征在于,所述S6包括:
S61:将所述原始图像中的所有像素点分别作为中心像素点a0,重复步骤S1至步骤S5,获得所有像素点的去噪后像素值;
S62:根据所有像素点的去噪后像素值获得最终去噪后图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810368998.9A CN108830798B (zh) | 2018-04-23 | 2018-04-23 | 一种基于传播滤波器改进的图像去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810368998.9A CN108830798B (zh) | 2018-04-23 | 2018-04-23 | 一种基于传播滤波器改进的图像去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830798A CN108830798A (zh) | 2018-11-16 |
CN108830798B true CN108830798B (zh) | 2022-05-13 |
Family
ID=64154916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810368998.9A Active CN108830798B (zh) | 2018-04-23 | 2018-04-23 | 一种基于传播滤波器改进的图像去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830798B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446837A (zh) * | 2020-11-10 | 2021-03-05 | 浙江大华技术股份有限公司 | 图像滤波方法、电子设备及存储介质 |
CN113610734B (zh) * | 2021-08-23 | 2023-10-03 | 眸芯科技(上海)有限公司 | 基于导向滤波的图像边缘处理方法及应用 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0027238D0 (en) * | 2000-11-08 | 2000-12-27 | Secr Defence | Adaptive filter |
KR100647402B1 (ko) * | 2005-11-01 | 2006-11-23 | 매그나칩 반도체 유한회사 | 이미지 센서의 화질개선장치 및 그 방법 |
EP2024929A2 (en) * | 2006-04-21 | 2009-02-18 | Koninklijke Philips Electronics N.V. | Picture enhancing increasing precision smooth profiles |
US8340388B2 (en) * | 2009-11-03 | 2012-12-25 | Icad, Inc. | Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized X-ray medical imagery |
WO2013152819A1 (en) * | 2012-04-13 | 2013-10-17 | Sony Corporation | Method for correcting images and corresponding camera |
CN105279746B (zh) * | 2014-05-30 | 2018-01-26 | 西安电子科技大学 | 一种基于双边滤波的多曝光图像融合方法 |
CN104299229B (zh) * | 2014-09-23 | 2017-04-19 | 西安电子科技大学 | 一种基于时空域背景抑制的红外弱小目标检测方法 |
CN104778669B (zh) * | 2015-04-16 | 2017-12-26 | 北京邮电大学 | 快速图像去噪方法及装置 |
CN105631828A (zh) * | 2015-12-29 | 2016-06-01 | 华为技术有限公司 | 一种处理图像的方法及装置 |
JP6991700B2 (ja) * | 2016-04-28 | 2022-01-12 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
CN106228515A (zh) * | 2016-07-13 | 2016-12-14 | 凌云光技术集团有限责任公司 | 一种图像去噪方法及装置 |
CN107085830B (zh) * | 2016-10-25 | 2020-04-07 | 湘潭大学 | 基于传播滤波的单幅图像去雾方法 |
CN106530337A (zh) * | 2016-10-31 | 2017-03-22 | 武汉市工程科学技术研究院 | 基于图像灰度引导的非局部立体像对密集匹配方法 |
-
2018
- 2018-04-23 CN CN201810368998.9A patent/CN108830798B/zh active Active
Non-Patent Citations (2)
Title |
---|
A Novel Hyperspectral Image Clustering Method With Context-Aware Unsupervised Discriminative Extreme Learning Machine;JINHUAN XU 等;《Digital Object Identifier》;20180418;第6卷;第16176-16188页 * |
基于稀疏表示的CCD噪声估计及滤除;吴兆阳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140715;第I135-103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108830798A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khan et al. | An adaptive dynamically weighted median filter for impulse noise removal | |
Teoh et al. | Median filtering frameworks for reducing impulse noise from grayscale digital images: a literature survey | |
CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
Bai et al. | A novel algorithm for removal of salt and pepper noise using continued fractions interpolation | |
CN108830798B (zh) | 一种基于传播滤波器改进的图像去噪方法 | |
CN108765312B (zh) | 一种基于方差信息的图像去噪方法 | |
WO2013027723A1 (ja) | ノイズ除去装置、ノイズ除去方法及びプログラム | |
Jassim | Kriging interpolation filter to reduce high density salt and pepper noise | |
Sharma et al. | Removal of fixed valued impulse noise by improved Trimmed Mean Median filter | |
US20170308995A1 (en) | Image signal processing apparatus, image signal processing method and image signal processing program | |
Jain et al. | A novel image denoising algorithm for suppressing mixture of speckle and impulse noise in spatial domain | |
TW201318418A (zh) | 降低影像雜訊的方法及相關裝置 | |
Patil et al. | Bilateral filter for image denoising | |
Kayhan | An effective 2-stage method for removing impulse noise in images | |
Kusnik et al. | On the robust technique of mixed Gaussian and impulsive noise reduction in color digital images | |
Shleymovich et al. | Image denoising using weight model | |
Gupta et al. | Image noise removal with detail preservation for random valued impulse noise | |
RU2405200C2 (ru) | Способ и устройство быстрого фильтрования шума цифровых изображений | |
Albu | Linear prediction based image enhancement method | |
Lien et al. | An efficient denoising approach for random-valued impulse noise in digital images | |
Ali et al. | A proposed de-noising algorithm | |
Saraf | A new reweight scheme for bilateral and non-local means approach for image denoising | |
Azimi-Sadjadi et al. | Neural network decision directed edge-adaptive Kalman filter for image estimation | |
Li et al. | Adaptive salt-&-pepper noise removal: a function level evolution based approach | |
Aghajarian | New Image Denoising Algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |