- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第36 卷 第9 期 红 外 技 术 Vol.36 No.9
2014 年9 月 Infrared Technology Sep. 2014
一种小波域多方向自适应加权伪中值滤波算法
郑明言
(潍坊工商职业学院信息工程系,山东诸城 262299 )
摘要:为了有效地滤除红外图像中的噪声,提出了一种小波域多方向自适应加权伪中值滤波算法。该
算法首先对红外噪声图像的各高频分解子图像分别进行噪声点检测和标记;然后根据各子图像中像素
点分布特征分别设计出4 类具有多方向性的滤波模板进行自适应加权滤波;最后将低频分解子图像与
滤波后的各小波高频分解子图像进行重构。分别将中值滤波(MF )、伪中值滤波(PMF )、极值中值
滤波(EMF )、加权中值滤波(WMF )、以及本文算法应用于标准测试图像以及红外图像去噪,并引
入峰值信噪比(PSNR )、平均绝对误差(MAE )进行去噪效果评定。标准测试图像和红外图像仿真结
果表明,该算法性能明显优于PMF ,且相对于与其余几类同类型算法而言,也具有一定的优势。
关键词:红外图像;小波变换;自适应伪中值滤波;峰值信噪比;平均绝对误差
中图分类号:TP391.41 文献标识码:A 文章编号:1001-8891(2014)09-0737-06
A New Multi-direction Adaptive Weighted Pseudo Median Filtering Algorithm
Based on Wavelet Domain
ZHENG Ming-yan
(Department of information engineering , Weifang business vocational College, Zhuchen Shandong 262299, China)
Abstract :In order to filter the noise in infrared image, a multi-direction adaptive weighted pseudo median
filtering algorithm is proposed based on wavelet transform. Firstly, the salt pepper noise image is
conducted by wavelet transform, and the high-frequency sub-images and low-frequency sub-image are
obtained. The noise distribution areas of the high-frequency sub-images are detected and labeled effectively.
Then, according to the characteristics of the ground objects and the features of the directionality of the high
frequency wavelet decomposition sub-images, four kinds of directional filtering templates are respectively
designed so as to deal with the noise through adaptive weighted filtering. Finally, low-frequency sub-image
and high-frequency sub-imag
原创力文档


文档评论(0)