CN106373098B - 基于非相似像素统计的随机脉冲噪声去除方法 - Google Patents
基于非相似像素统计的随机脉冲噪声去除方法 Download PDFInfo
- Publication number
- CN106373098B CN106373098B CN201610769889.9A CN201610769889A CN106373098B CN 106373098 B CN106373098 B CN 106373098B CN 201610769889 A CN201610769889 A CN 201610769889A CN 106373098 B CN106373098 B CN 106373098B
- Authority
- CN
- China
- Prior art keywords
- pixel
- noise
- image
- window
- point
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图象处理领域,为提出一种新的随机脉冲噪声点检测方法,并依据检测结果对噪声图像应用改进的中值滤波,具有较好的噪声检测能力,并且能够有效地去除图像中的随机脉冲噪声。为此,本发明采用的技术方案是,基于非相似像素统计的随机脉冲噪声去除方法,步骤是:首先确定图像边缘的大致分布情况,并依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T;同时对图像中每一个像素点周围的像素进行处理,判定子窗口中心像素是否为被检测像素点的非相似像素,最后统计检测点周边的非相似像素个数NDP,通过与非相似像素个数阈值NDPCT进行比较确定该检测点是否为噪声;对噪声点运用中值滤波处理。本发明主要应用于图象处理。
Description
技术领域
本发明涉及图象处理领域,尤其涉及在对图像进行随机脉冲噪声去除处理时,对于噪声点的区分判定以及滤除问题。具体讲,涉及利用分块排序检测噪声的图像降噪方法。
背景技术
图像的随机脉冲噪声主要来源于图像获取、传输和模数转换等过程,其特点是噪声位置和灰度值是随机的并且与周围的点不连续,看上去像是随机散布在图像上的亮或暗的斑点。图像中的噪声严重影响了图像的质量,有效地去除图像中存在的随机脉冲噪声噪声,同时又能保留图像的细节结构,譬如边缘和纹理是图像处理研究的一个重要问题。线性滤波往往不能随机抑制脉冲噪声,因此需要使用非线性滤波。中值滤波是一种最常用的非线性滤波方法,能够较好的抑制图像中的随机脉冲噪声,但由于其并没有区分图像像素和噪声像素,对图像中所有像素点进行处理,滤波后的图像较易丢失图像边缘和细节信息。如何精准地确定随机脉冲噪声的位置,即噪声检测是随机脉冲噪声去除的一个关键步骤。
发明内容
为克服现有技术的不足,本发明旨在提出一种新的随机脉冲噪声点检测方法,并依据检测结果对噪声图像应用改进的中值滤波,具有较好的噪声检测能力,并且能够有效地去除图像中的随机脉冲噪声。为此,本发明采用的技术方案是,基于非相似像素统计的随机脉冲噪声去除方法,步骤是:首先确定图像边缘的大致分布情况,并依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T;同时对图像中每一个像素点周围的像素进行处理,以被检测像素点xi,j为中心建立一个(2N+1)×(2N+1)的掩膜,从这个大窗口中提取出8个子窗口,子窗口划分的划分方式是逆时针排列,这些子窗口均包含被检测像素点;分别计算各个子窗口中心像素点与被检测点xi,j的绝对像素灰度差值dk,下标k代表第k个窗口,对于子窗口Ω1,其中心像素点xi-1.j-1,dk定义为:
dk=|xi,j-xi-1.j-1|
如果满足dk≥T,继续进行判定,在该子窗口中计算像素平均差异性指标AD,如果满足dk≥ADk即判定该子窗口中心像素为被检测像素点的非相似像素,最后统计检测点周边的非相似像素个数NDP,通过与非相似像素个数阈值NDPCT进行比较确定该检测点是否为噪声;其余子窗口以此类推;对噪声点运用中值滤波处理。
依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T具体步骤是,分别计算逆时针排列的Ω1,Ω2,Ω3,Ω4四个子窗口所有像素点灰度值的中值并进行排序,排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘分布;令ΔME=m4-m1,ΔMI=m3-m2,ΔME和ΔMI提供这四个子窗口像素灰度整体差异的度量,ΔME和ΔMI的取值分为三种情况,并据此三种情况判断出这个中心像素周围边缘的分布情况,其中在进行ΔME和ΔMI的比较判定时取阈值Tr;第一种情况表示当ΔMI≥Tr时,判断这个窗口内有较强的细节或纹理分布;第二种情况表示ΔMI≤Tr而ΔME≥Tr时,即判断这个窗口内有部分边缘分布,即弱边缘;第三种情况表示当ΔME≤Tr时,判断这个窗口是平滑的,没有图像边缘;强弱程度不同的边缘分别采用不同的阈值T来判定非相似像素。
像素平均差异性指标AD是衡量周边像素点与中心点平均差异性的指标,各个子窗口中心点像素x0周围有m个邻域像素,邻域像素值为xi则AD定义为
将噪声检测的结果记入指导矩阵中,指导矩阵与图像大小相同,且只有两个值,“1”代表图像相应位置为噪声像素点,“0”代表图像相应位置为正常像素点,对噪声图像采用中值滤波即可对图像进行去噪,由于在指导矩阵中已经标明正常像素的位置,滤波时选取噪声像素周边的正常像素点并求得中值替代当前噪声像素点。
在对噪声图像运用中值滤波处理时,根据指导矩阵中的噪声检测结果,将噪声像素的灰度值设置为该噪声点3×3邻域窗口内所有正常像素点灰度值的中值。
采用迭代的方法进行多次检测并恢复图像可以取得较好的噪声滤除效果,而在进行多次噪声滤除时,上一次漏检的噪声像素在恢复图像中包含更多的近似正常灰度值的邻域像素,其邻域中的非相似像素的个数随之增加,非相似像素个数比较阈值NDPCT也要随着迭代次数增加而增加。
本发明的特点及有益效果是:
1.本发明提出了一种针对常见随机脉冲噪声进行检测并去除的改进中值滤波算法,在进行噪声检测时,首先根据不同强度的边缘或细节确定粗略的比较阈值,这既减少了像素平均差异性指标计算的子窗口个数,又提高了脉冲噪声的检测率。
2.改进的中值滤波方法与检测结果紧密结合,滤波时剔除掉已经被检测为噪声的像素点,改善了中值滤波模糊图像边缘的去噪效果,保护了图像的细节。
附图说明:
图1噪声检测流程图。
图2噪声检测时子窗口划分示意图。
图3边缘检测纹理判断示意图。
(a)强边缘 (b)弱边缘 (c)平滑区域。
具体实施方式
本发明提出了一种新的随机脉冲噪声点检测方法,并依据检测结果对噪声图像应用改进的中值滤波,该方法具有较好的噪声检测能力,并且能够有效地去除图像中的随机脉冲噪声。
图1为噪声检测流程图,本发明首先确定图像边缘的大致分布情况,并依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T;同时对图像中每一个像素点周围的像素进行处理,以被检测像素点xi,j为中心建立一个(2N+1)×(2N+1)的掩膜,5×5的掩膜优选但不局限于掩膜的尺寸,从这个大窗口中提取出8个子窗口,子窗口划分方法如图2所示,这些子窗口均包含被检测像素点。分别计算各个子窗口中心像素点与被检测点xi,j的绝对像素灰度差值dk,以子窗口Ω1(中心像素点xi-1.j-1)为例,d1定义为:
d1=|xi,j-xi-1.j-1|,
如果满足dk≥T,继续进行判定,在该子窗口中计算像素平均差异性指标AD,如果满足dk≥ADk,即可判定该子窗口中心像素为被检测像素点的非相似像素,下标k代表第k个窗口,最后统计检测点周边的非相似像素个数NDP,通过与非相似像素个数阈值NDPCT进行比较确定该检测点是否为噪声。
边缘检测时,分别计算图2中Ω1,Ω2,Ω3,Ω4四个子窗口所有像素点灰度值的中值并进行排序,排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序可以粗略地确定这个掩膜中的边缘分布。令ΔME=m4-m1,ΔMI=m3-m2,ΔME和ΔMI可以提供这四个子窗口像素灰度整体差异的度量,ΔME和ΔMI的取值大致分为如图三种情况,并据此判断出这个中心像素周围边缘的分布情况,其中在进行ΔME和ΔMI的比较判定时取阈值Tr。图中(a)情况表示当ΔMI≥Tr时,可判断这个窗口内有较强的细节或纹理分布。图中(b)情况表示ΔMI≤Tr而ΔME≥Tr时,即可判断这个窗口内有部分边缘分布,即弱边缘;图中(c)情况表示当,ΔME≤Tr时,可判断这个窗口是平滑的,几乎没有图像边缘;强弱程度不同的边缘分别采用不同的阈值T来判定非相似像素。
像素平均差异性指标AD是衡量周边像素点与中心点平均差异性的指标。各个子窗口中心点像素x0周围有m个邻域像素(这里m=8),邻域像素值为xi(1≤i≤8)则AD定义为
将噪声检测的结果记入指导矩阵中,指导矩阵与图像大小相同,且只有两个值,“1”代表图像相应位置为噪声像素点,“0”代表图像相应位置为正常像素点,对噪声图像采用改进的中值滤波即可对图像进行去噪,由于在指导矩阵中已经标明正常像素的位置,滤波时选取噪声像素周边的正常像素点并求得中值替代当前噪声像素点。
在去除随机脉冲噪声的过程中,由于噪声位置及灰度值具有随机性,一次检测往往不能获得精确的检测结果,包含很多漏检的噪声像素,所以采用迭代的方法进行多次检测并恢复图像可以取得较好的噪声滤除效果。而在进行多次噪声滤除时,上一次漏检的噪声像素在恢复图像中包含更多的近似正常灰度值的邻域像素,其邻域中的非相似像素的个数随之增加,为了减少多次迭代引起正常像素点被误检这种情况的发生,非相似像素个数比较阈值NDPCT也要随着迭代次数增加而增加。
本发明实施步骤分检测噪声和去除噪声两步进行。在对噪声检测时,对加入随机脉冲噪声的图像进行检测,图像中的每一个像素作为中心像素通过边缘和噪声检测,采用的是对比度为255的灰度图,图像尺寸为512×512,邻域大小选取为5×5,边缘检测时的阈值Tr设为40,并针对不同强度的边缘采用不同的比较阈值T,即平滑区域、弱边缘、强边缘比较阈值分别为T1、T2、T3,满足以下条件T1≤T2≤T3.这里分别选择[10,25,40]作为不同边缘的比较阈值。非相似像素个数比较阈值NDPCT随着迭代次数n增加而增加,迭代次数越多,会有更多的正常像素被误检测为噪声像素,模糊图像的边缘,本发明统一采用两次迭代次数,在两次噪声检测过程中,非相似像素个数比较阈值NDPCT分别设为5,6来提高脉冲噪声检测率。
在对噪声图像运用改进的中值滤波处理时,根据指导矩阵中的噪声检测结果,将噪声像素的灰度值设置为该噪声点3×3邻域窗口内所有正常像素点灰度值的中值。
本发明实施步骤分检测噪声和去除噪声两步进行。在对噪声检测时,对加入随机脉冲噪声的图像进行检测,图像中的每一个像素作为中心像素通过边缘和噪声检测,采用的是对比度为255的灰度图,图像尺寸为512×512,邻域大小选取为5×5,边缘检测时的阈值Tr设为40,并针对不同强度的边缘采用不同的比较阈值T,即平滑区域、弱边缘、强边缘比较阈值分别为T1、T2、T3,满足以下条件T1≤T2≤T3.这里分别选择[10,25,40]作为不同边缘的比较阈值。非相似像素个数比较阈值NDPCT随着迭代次数n增加而增加,迭代次数越多,会有更多的正常像素被误检测为噪声像素,模糊图像的边缘,本发明统一采用两次迭代次数,在两次噪声检测过程中,非相似像素个数比较阈值NDPCT分别设为5,6来提高脉冲噪声检测率。
在对噪声图像运用改进的中值滤波处理时,根据指导矩阵中的噪声检测结果,将噪声像素的灰度值设置为该噪声点3×3邻域窗口内所有正常像素点灰度值的中值。
Claims (4)
1.一种基于非相似像素统计的随机脉冲噪声去除方法,其特征是,步骤是:首先确定图像边缘的大致分布情况,并依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T;同时对图像中每一个像素点周围的像素进行处理,以被检测像素点xi,j为中心建立一个(2N+1)×(2N+1)的掩膜,从这个大窗口中提取出8个子窗口,子窗口划分的划分方式是逆时针排列,这些子窗口均包含被检测像素点;分别计算各个子窗口中心像素点与被检测点xi,j的绝对像素灰度差值dk,下标k代表第k个窗口,对于子窗口Ω1,其中心像素点xi-1.j-1,dk定义为:
dk=|xi,j-xi-1.j-1|
如果满足dk≥T,继续进行判定,在该子窗口中计算像素平均差异性指标AD,如果满足dk≥ADk即判定该子窗口中心像素为被检测像素点的非相似像素,最后统计检测点周边的非相似像素个数NDP,通过与非相似像素个数阈值NDPCT进行比较确定该检测点是否为噪声;其余子窗口以此类推;对噪声点运用中值滤波处理;
像素平均差异性指标AD是衡量周边像素点与中心点平均差异性的指标,各个子窗口中心点像素x0周围有m个邻域像素,邻域像素值为xi则AD定义为:
将噪声检测的结果记入指导矩阵中,指导矩阵与图像大小相同,且只有两个值,“1”代表图像相应位置为噪声像素点,“0”代表图像相应位置为正常像素点,对噪声图像采用中值滤波即可对图像进行去噪,由于在指导矩阵中已经标明正常像素的位置,滤波时选取噪声像素周边的正常像素点并求得中值替代当前噪声像素点。
2.如权利要求1所述的基于非相似像素统计的随机脉冲噪声去除方法,其特征是,依据边缘强弱程度的不同确定用于非相似像素粗判定的阈值T具体步骤是,分别计算逆时针排列的Ω1,Ω2,Ω3,Ω4四个子窗口所有像素点灰度值的中值并进行排序,排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘分布;令ΔME=m4-m1,ΔMI=m3-m2,ΔME和ΔMI提供这四个子窗口像素灰度整体差异的度量,ΔME和ΔMI的取值分为三种情况,并据此三种情况判断出这个中心像素周围边缘的分布情况,其中在进行ΔME和ΔMI的比较判定时取阈值Tr;第一种情况表示当ΔMI≥Tr时,判断这个窗口内有较强的细节或纹理分布;第二种情况表示ΔMI≤Tr而ΔME≥Tr时,即判断这个窗口内有部分边缘分布,即弱边缘;第三种情况表示当ΔME≤Tr时,判断这个窗口是平滑的,没有图像边缘;强弱程度不同的边缘分别采用不同的阈值T来判定非相似像素。
3.如权利要求1所述的基于非相似像素统计的随机脉冲噪声去除方法,其特征是,在对噪声图像运用中值滤波处理时,根据指导矩阵中的噪声检测结果,将噪声像素的灰度值设置为该噪声点3×3邻域窗口内所有正常像素点灰度值的中值。
4.如权利要求1所述的基于非相似像素统计的随机脉冲噪声去除方法,其特征是,采用迭代的方法进行多次检测并恢复图像可以取得较好的噪声滤除效果,而在进行多次噪声滤除时,上一次漏检的噪声像素在恢复图像中包含更多的近似正常灰度值的邻域像素,其邻域中的非相似像素的个数随之增加,非相似像素个数比较阈值NDPCT也要随着迭代次数增加而增加。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610769889.9A CN106373098B (zh) | 2016-08-30 | 2016-08-30 | 基于非相似像素统计的随机脉冲噪声去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610769889.9A CN106373098B (zh) | 2016-08-30 | 2016-08-30 | 基于非相似像素统计的随机脉冲噪声去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106373098A CN106373098A (zh) | 2017-02-01 |
CN106373098B true CN106373098B (zh) | 2019-04-23 |
Family
ID=57901918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610769889.9A Expired - Fee Related CN106373098B (zh) | 2016-08-30 | 2016-08-30 | 基于非相似像素统计的随机脉冲噪声去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373098B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035173B (zh) * | 2018-08-15 | 2022-05-17 | 深圳大学 | 一种图像滤波方法、存储介质以及终端设备 |
CN109598723B (zh) * | 2018-12-11 | 2021-09-07 | 讯飞智元信息科技有限公司 | 一种图像噪声检测方法及装置 |
CN109920113B (zh) * | 2019-03-13 | 2020-08-18 | 安徽龙运智能科技有限公司 | 智能锁***的控制方法及智能锁*** |
CN110706171B (zh) * | 2019-09-26 | 2024-04-26 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
CN113628118B (zh) * | 2020-05-06 | 2023-12-08 | 北京君正集成电路股份有限公司 | 一种平坦区域去噪滤波的方法 |
WO2022110804A1 (zh) * | 2020-11-24 | 2022-06-02 | 海南大学 | 一种基于局部统计信息的图像噪声检测方法、装置 |
CN113920068B (zh) * | 2021-09-23 | 2022-12-30 | 北京医准智能科技有限公司 | 一种基于人工智能的身体部位检测方法、装置及电子设备 |
CN116071220B (zh) * | 2023-03-06 | 2023-06-20 | 浙江华感科技有限公司 | 一种图像窗口数据处理方法、装置、设备及介质 |
CN116681703B (zh) * | 2023-08-03 | 2023-10-10 | 杭州鸿世电器股份有限公司 | 一种智能开关质量快速检测方法 |
CN117676038B (zh) * | 2024-01-30 | 2024-04-05 | 北京点聚信息技术有限公司 | 一种电子证照数据安全共享方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101087365A (zh) * | 2006-06-10 | 2007-12-12 | 中兴通讯股份有限公司 | 一种滤除图像混合噪声的方法 |
CN105243649A (zh) * | 2015-11-09 | 2016-01-13 | 天津大学 | 基于二次噪点检测的图像降噪方法 |
CN105787902A (zh) * | 2016-03-22 | 2016-07-20 | 天津大学 | 利用分块排序检测噪声的图像降噪方法 |
-
2016
- 2016-08-30 CN CN201610769889.9A patent/CN106373098B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101087365A (zh) * | 2006-06-10 | 2007-12-12 | 中兴通讯股份有限公司 | 一种滤除图像混合噪声的方法 |
CN105243649A (zh) * | 2015-11-09 | 2016-01-13 | 天津大学 | 基于二次噪点检测的图像降噪方法 |
CN105787902A (zh) * | 2016-03-22 | 2016-07-20 | 天津大学 | 利用分块排序检测噪声的图像降噪方法 |
Non-Patent Citations (4)
Title |
---|
A Universal Noise Removal Algorithm with an Impulse Detector;Roman Garnett 等;《IEEE Transactions on Image Processing》;20051231;第1-7页 |
一种去除图像混合噪声的新方法;杨辉 等;《衡阳师范学院学报》;20101231;第31卷(第6期);第36-39页 |
一种有效的混合噪声滤波算法;王建勇 等;《信息技术》;20051231;第48-50页 |
数字图像混合噪声滤除算法研究;陈秉涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015;正文第5章 |
Also Published As
Publication number | Publication date |
---|---|
CN106373098A (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373098B (zh) | 基于非相似像素统计的随机脉冲噪声去除方法 | |
Jafar et al. | Efficient improvements on the BDND filtering algorithm for the removal of high-density impulse noise | |
CN105787902B (zh) | 利用分块排序检测噪声的图像降噪方法 | |
CN101087365B (zh) | 一种滤除图像混合噪声的方法 | |
CN103778611B (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN103337053A (zh) | 一种基于开关非局部全变分的椒盐噪声污染图像滤波方法 | |
CN103778609A (zh) | 基于像素连续性判断的二值化图像和灰度图像的高效去噪声法 | |
CN101655977B (zh) | 基于差分图像检测、多窗口滤波去除图像脉冲噪声的方法 | |
CN102118547A (zh) | 图像加权滤波的方法 | |
CN107610056B (zh) | 基于全变分的混合加权维纳滤波图像去噪方法 | |
Sangave et al. | Impulse noise detection and removal by modified boundary discriminative noise detection technique | |
Irum et al. | A noise adaptive approach to impulse noise detection and reduction | |
CN103455986B (zh) | 基于分数阶微分梯度的随机噪声点检测方法 | |
JP2014238789A (ja) | 画像処理プログラム、画像処理方法及び画像処理装置 | |
Ahmed | Image enhancement and noise removal by using new spatial filters | |
Karthikeyan et al. | Hybrid approach of efficient decision-based algorithm and fuzzy logic for the removal of high density salt and pepper noise in images | |
CN106548460B (zh) | 拉普拉斯检测与局部相似性彩色图像脉冲噪声滤波方法 | |
Vignesh et al. | Performance and Analysis of Edge detection using FPGA Implementation | |
Kumar et al. | Adaptive edge discriminated median filter to remove impulse noise | |
Guo et al. | An adaptive soft-morphological-gradient-filter-for-edge-detection | |
Zeng et al. | An improved canny edge detector against impulsive noise based on CIELAB space | |
Chudasama et al. | Survey on Various Edge Detection Techniques on Noisy Images | |
Russo | Performance evaluation of non-local means (NLM) algorithms for grayscale image denoising | |
Jain et al. | A survey on defect and noise detection and correction algorithms in image sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190423 Termination date: 20190830 |