导读:本文包含了自适应中值滤波器论文开题报告文献综述及选题提纲参考文献，主要关键词:中值滤波,脉冲噪声,边缘细节
自适应中值滤波器论文文献综述
李阳,张欣,张涛,杨卓东,杨臣君[1]（2015）在《一种保留图像边缘的自适应中值滤波器算法》一文中研究指出针对传统自适应中值滤波在保存图片边缘细节方面的不足,提出了一种改进自适应中值滤波算法,在有效去除图像中高密度脉冲噪声的同时保证图像的边缘细节信息。首先利用对可疑噪点进行梯度方向连续求导以区分该点是噪声点或边缘点。然后,对噪声点还原值的求取同时考虑到中值与均值。中值与均值的计算为避免被强噪声干扰,先将滤波窗口中的重复值精简为一个,后在进行中值和均值的运算。最后通过仿真实验,结果表明该算法在保存图像边缘细节方面显着优于传统自适应中值滤波算法。(本文来源于《通信技术》期刊2015年12期）
徐少平,杨荣昌,刘小平[2]（2014）在《基于噪声估计的自适应开关型中值滤波器》一文中研究指出提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。(本文来源于《光电子.激光》期刊2014年04期）
李勇[3]（2014）在《智能监控系统自适应中值滤波器的设计实现》一文中研究指出智能监控系统在对图像中特定目标进行定位、识别、跟踪和理解之前需要对已采集的图像作良好的滤波处理。因处在工业、农业、商业及公共服务场所等不同复杂环境领域,系统的图像传感器、解码处理装置和传输通道等能产生椒盐噪声,而其通信系统因自身缺陷及内外电磁等因素也会产生大量的脉冲干扰。在智能监控系统中引入的中值滤波器设计不但要求能较好的滤除已采集的图像噪声,而且需要在确保图像原貌和图像处理实时性等方面要有突出表现。传统中值滤波在算法上已经有了很大的改进,原始的冒泡算法因过于冗繁现在已不多见,在滤波器的设计中借鉴改进的快速中值滤波算法既改善了运算速度,同时也减少了资源的使用率。图像的边缘对图像的识别和后续处理具有很重要的价值,而普通中值滤波在维持原有图像边缘细节上,尤其在面对繁多的画面细节时依然有很多可以改进的空间。自适应中值滤波算法在设计中引用判定环节,主要针对滑动窗口中心采样像素值的最大值或最小值进行中值滤波,这种探索一定程度上减小一概使用邻域中值取代采样点像素值的弊端,对保护图像边缘等方面发挥了积极的作用。设计中智能监控系统自适应中值滤波器主要是基于Altera公司Cyclone EP1C6Q240C8的FPGA硬件平台搭建起来的,结合SAA7111A和SAA7121芯片及存储器,应用Altera公司的Quartus II综合开发软件和Modelsim仿真软件设计实现的。设计中,对滤波模块中进入比较单元前的寄存器和BRAM之间读取数据进行优化设计,确保硬件资源使用的低用量。应用双口BRAM做缓存解决输入和输出频率不匹配的问题,实现每从大BRAM中读出一个数据,窗口数据准备完毕,比较单元前的寄存器数据随即准备完毕。在对系统实验仿真图的分析以及滤波前后图像的比较后,可以得出设计已初步达到要求。(本文来源于《大连理工大学》期刊2014-04-01）
薄振桐[4]（2014）在《基于FPGA的实时图像自适应中值滤波器设计》一文中研究指出利用自适应的中值滤波算法,设计了基于FPGA的实时图像自适应中值滤波器。与之前的软件实现方法相比,程序能满足实时性的要求,且占用资源少,是一种简单易行的方案。在Xilinx硬件平台上已经得到验证。(本文来源于《电子科技》期刊2014年01期）
王伟,高静怀,陈文超,朱振宇[5]（2012）在《基于结构自适应中值滤波器的随机噪声衰减方法》一文中研究指出本文提出一种保护断层、裂缝等地层边缘特征的结构自适应中值滤波器,用于衰减地震资料中的随机噪声.基于地震反射同相轴局部呈线型结构的假设,采用梯度结构张量估计地层倾向,分析地层结构的规则程度,在此基础上引入地震剖面中线型和横向不连续性两种结构特征的置信度量.结构自适应中值滤波器根据这两种置信度量调整滤波器窗函数的尺度和形状,根据地层倾角调整滤波器窗函数的方向,从而使得滤波操作窗能够最佳匹配信号的局部结构特征.将本文方法用于合成和实际数据的处理,并与两种常用中值滤波方法进行对比,结果表明,该方法能够更好地解决地震剖面的随机噪声衰减和有效信号保真的问题,在增强反射同相轴的横向一致性的同时有效保持了剖面内的地层边缘和细节特征,显着改善了地震资料的品质.(本文来源于《地球物理学报》期刊2012年05期）
宋寅卯,李晓娟,刘磊[6]（2011）在《基于神经网络噪声检测的自适应中值滤波器》一文中研究指出针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。(本文来源于《电视技术》期刊2011年05期）
武英[7]（2010）在《保护细节的开关自适应矢量中值滤波器》一文中研究指出提出了基于噪声检测的开关矢量中值滤波,在噪声检测阶段根据噪声的定义将标量检测和矢量检测结合在一起,有效地提高噪声检测的准确性;由于采用开关矢量滤波,滤波过程只对在标量预检测中被检测出的噪声像素进行,可大大减少计算量并能较好地保持图像的细节和边缘,而且在滤波过程中不会出现新的颜色。(本文来源于《计算机工程与应用》期刊2010年23期）
秦然[8]（2009）在《优化自适应中值滤波器滤除图像椒盐噪声方法研究》一文中研究指出为了抑制医学图像上的椒盐噪声等污染,并尽量保持图像的清晰度和细节边缘信息,提出了一种利用优化的自适应中值滤波器来滤除医学图像中椒盐噪声的新方法。该方法克服了自适应中值滤波不能有效剔除掉尖锐椒盐噪声点的不足。实验表明,该方法可以有效滤除医学图像椒盐噪声。(本文来源于《农业网络信息》期刊2009年02期）
金良海,熊才权,李德华[9]（2008）在《自适应型中心加权的中值滤波器》一文中研究指出针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值,从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明,新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.(本文来源于《华中科技大学学报(自然科学版)》期刊2008年08期）
王超,叶中付[10]（2008）在《基于自适应中值滤波器和TV修复的椒盐噪声去除(英文)》一文中研究指出提出一种两步式椒盐噪声去除方法.第一步利用自适应中值滤波器来识别出被噪声污染的候选点;第二步利用一种边缘保持技术(全变差图像修复)来恢复出被噪声污染的点.由于椒盐噪声点的灰度值和原始像素灰度独立,所以在采用恢复技术时不使用噪声点自身的灰度信息.在噪声率不很高的情况下,这种方法可以获得比现有最好方法更高的信噪比;当噪声率高达70%以上时,该方法的信噪比与现有方法非常接近,但是主观视觉效果(例如边缘保持能力)更佳.(本文来源于《中国科学技术大学学报》期刊2008年03期）
自适应中值滤波器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应中值滤波器论文参考文献
[1].李阳,张欣,张涛,杨卓东,杨臣君.一种保留图像边缘的自适应中值滤波器算法[J].通信技术.2015
[2].徐少平,杨荣昌,刘小平.基于噪声估计的自适应开关型中值滤波器[J].光电子.激光.2014
[3].李勇.智能监控系统自适应中值滤波器的设计实现[D].大连理工大学.2014
[4].薄振桐.基于FPGA的实时图像自适应中值滤波器设计[J].电子科技.2014
[5].王伟,高静怀,陈文超,朱振宇.基于结构自适应中值滤波器的随机噪声衰减方法[J].地球物理学报.2012
[6].宋寅卯,李晓娟,刘磊.基于神经网络噪声检测的自适应中值滤波器[J].电视技术.2011
[7].武英.保护细节的开关自适应矢量中值滤波器[J].计算机工程与应用.2010
[8].秦然.优化自适应中值滤波器滤除图像椒盐噪声方法研究[J].农业网络信息.2009
[9].金良海,熊才权,李德华.自适应型中心加权的中值滤波器[J].华中科技大学学报(自然科学版).2008
[10].王超,叶中付.基于自适应中值滤波器和TV修复的椒盐噪声去除(英文)[J].中国科学技术大学学报.2008