简介:邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。
简介:该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值.