辽宁省“百千万人才工程”资助项目(2012921058)
- 作品数：21 被引量：138H指数：7
- 相关作者：沈德海鄂旭张龙昌侯建王晓霞更多>>
- 相关机构：渤海大学更多>>
- 发文基金：辽宁省“百千万人才工程”资助项目中国博士后科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种窗口自适应的去椒盐噪声滤波算法被引量：3
- 2015年
- 为了有效地去除图像中的椒盐噪声,提出一种窗口自适应的滤波算法。算法先采用3×3窗口进行噪声检测,如果中心点为噪声点,则统计窗口内为非噪声点的数量。当非噪声点的数量大于2时,采用中值均值滤波算法;当非噪声点的数量小于等于2时,将窗口尺寸扩大至5×5,采用中值均值滤波算法。如果中心点为信号点,则保持原值不变直接输出。仿真实验结果证明,这种算法对不同程度椒盐噪声污染的图像具有较强的去噪能力,同时较好地保持了图像的细节。
- 沈德海侯建鄂旭张龙昌
- 关键词：椒盐噪声峰值信噪比
- 一种噪声密度估计的梯度检测滤波算法被引量：1
- 2013年
- 针对高密度椒盐噪声污染图像的去噪声问题,提出了一种噪声密度估计的梯度检测滤波算法。算法首先对含噪声图像进行总体噪声密度检测,计算噪声密度p,对于低密度噪声图像(p≤40%),采用3×3窗口改进的梯度检测滤波算法对图像进行滤波,对于高密度噪声污染图像,采用5×5窗口改进的梯度检测滤波算法对图像进行滤波。实验结果表明,文中算法对高密度椒盐噪声污染图像具有较强的去噪声能力和细节保持性能,具有较高的实际应用价值。
- 沈德海侯建鄂旭刘忠杰
- 关键词：中值滤波椒盐噪声
- 一种改进的加权均值滤波算法被引量：11
- 2015年
- 当图像中同时存在脉冲噪声和高斯噪声时,传统的中值滤波算法和均值滤波算法均不能达到较好的去噪效果。针对这一问题,提出了一种改进的加权均值滤波算法。算法采用局部阈值优化的方法计算各像素点的权值,将滤波窗口各像素点的灰度值与对应的权值进行加权运算,结果作为窗口中心点的滤波输出。仿真实验结果证明,该算法对脉冲噪声和高斯噪声具有较强的去噪能力,且较好地保持了图像的细节,效果均优于传统中值、均值滤波算法和改进的中值滤波算法(IMF)。
- 沈德海侯建鄂旭张龙昌
- 关键词：脉冲噪声高斯噪声均值滤波中值滤波
- 一种简化卷积模板的抗噪型边缘检测算法被引量：1
- 2015年
- 针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。
- 沈德海鄂旭张龙昌
- 关键词：边缘检测阈值中值滤波
- 一种多子窗口中值加权的高斯噪声滤波算法被引量：2
- 2015年
- 为了有效地去除图像中的高斯噪声,提出一种多子窗口中值加权的滤波算法。算法采用5×5滤波窗口,并将其划分为9个3×3子窗口区域,先找出每个子窗口的中值像素点,然后求出每个中值像素点与它们的中值点差的绝对值,利用这些绝对值的平均值采用归一化方法计算出权值。最后将各子窗口的中值进行加权运算作为滤波窗口中心像素点的滤波输出。实验结果表明,该算法对图像中的高斯噪声具有较好的滤除性能,并且较好地保持了图像的细节,效果优于传统的滤波算法。
- 沈德海侯建鄂旭张龙昌
- 关键词：均值滤波峰值信噪比
- 基于均值梯度的脉冲噪声图像边缘检测算法被引量：3
- 2015年
- 为了有效地检测出受脉冲噪声污染图像的边缘,提出了一种基于均值梯度的图像边缘检测算法。算法将检测窗口根据水平和垂直方向分成上、下、左、右4个不同区域,先计算每个区域内非噪声点的平均灰度值,然后利用这些值的差分计算图像梯度,得出梯度图像,最后对梯度图像采用了改进的非极大值抑制方法对梯度图像进行细化并提取边缘。实验结果表明,该算法能够较好地检测出受较高密度脉冲噪声干扰的图像边缘,而且边缘较细,效果明显优于传统Sobel算法,具有较强的实用性。
- 沈德海侯建鄂旭张龙昌
- 关键词：边缘检测脉冲噪声非极大值抑制
- 一种基于纵横子窗口的去椒盐噪声算法
- 2013年
- 为了有效地去除图像椒盐噪声并且较好地保持图像的细节,提出了纵横子窗口的滤波算法。算法对噪声图像检测窗口内中心像素点进行检测,如果是噪声点,将检测窗口划分为水平和垂直方向2N个子窗口,计算子窗口内非噪声点的个数,如果为奇数,求出它们的中值;如果为偶数,求出它们的均值,然后用这些子窗口的中值、均值及中心点像素值的中值替代中心点像素值,对于非噪声点的中心点保持原值不变。仿真实验表明,算法对椒盐噪声的抑制和图像细节的保持具有较好的鲁棒性和适应性。
- 沈德海鄂旭侯建
- 关键词：椒盐噪声
- 一种改进的Sobel算子边缘检测及细化算法被引量：8
- 2014年
- 针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差叠加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰.
- 沈德海鄂旭侯建
- 关键词：边缘检测SOBEL算子
- 基于Sobel算子的改进边缘检测算法被引量：14
- 2015年
- 提出了一种基于Sobel算子改进的边缘检测算法。该算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度。在计算图像梯度时结合了方向拆分法,将每个方向梯度与两个子方向半个模板对应的像素点之和分别求比值,选择最大者作为该方向的梯度值,然后将四个方向梯度的最大值作为窗口中心点的梯度,最后对梯度图像进行阈值分割和细化,得到边缘图像。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、图像边缘较细的优点。
- 沈德海张龙昌鄂旭
- 关键词：边缘检测SOBEL算子图像梯度
- 基于Sobel的多方向算子模板边缘检测算法被引量：11
- 2015年
- 针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。
- 沈德海侯建鄂旭张龙昌
- 关键词：边缘检测非极大值抑制
