针对图像处理中存在椒盐噪声和高斯噪声的问题, 提出了一种新的小波阈值函数与改进中值滤波融合的噪声抑制算法。依据椒盐噪声与其周围邻域像素灰度值存在的明显差异, 估计椒盐噪声, 采取3×3模板进行反复迭代滤除椒盐噪声。对高斯噪声, 利用极限思想提出了一种新的小波阈值函数, 并引入三个控制变量, 通过调节控制变量使所构成的小波系数在一定阈值范围内无限接近原小波系数。实验结果表明, 提高了峰值信噪比, 减小了均方误差, 较好的保留了图像细节。
混合噪声 改进中值滤波 小波阈值 峰值信噪比 mixed noise improved median filter wavelet threshold peak signal to noise ratio (PSNR)
1 山东理工大学 机械工程学院, 山东 淄博 255049
2 山东理工大学 电气与电子工程学院, 山东 淄博 255049
针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点, 提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类, 采用不同尺度的结构元素对图像进行分类滤波, 再根据像素点间灰度值的变化确定边缘方向, 由相应方向的结构元素进行边缘检测。实验结果表明, 与传统的多方向灰度形态学边缘检测算法相比, 检测到的边缘重构相似度和边缘置信度更高, 边缘连续性更强, 且计算量低, 运行效率高。
噪声抑制 边缘检测 灰度形态学 结构元素 noise suppressing edge detection gray scale morphology structural elements