导读:本文包含了图像噪声滤除论文开题报告文献综述、选题提纲参考文献，主要关键词:噪声,椒盐,图像,神经网络,算法,超图,突触。
图像噪声滤除论文文献综述写法
孙佳琦,马群,韩杰,王竞择,王孜纯[1]（2018）在《基于Holt双参数指数平滑的图像椒盐噪声滤除》一文中研究指出在消除椒盐噪声的问题上,引入Holt双参数平滑法,利用像素点坐标位置代替原本时间序列,在进行加边处理后,对图像中每个像素点,选取其上方、左方已处理的像素点,利用Holt双参数平滑法对目标像素进行预测.与以往几种算法对比,本文算法简单易于实现,在去除噪声和保留细节方面具有更好的效果,此外这一方法对低噪声比和高噪声比的图像都有显着效果.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2018年06期）
袁桂霞,周先春[2]（2019）在《基于分类和模糊滤波的X光图像椒盐噪声滤除算法》一文中研究指出为了解决当前椒盐噪声滤除算法对X光图像滤除效果不佳且运算效率不高的问题,提出了一种融合多级分类和自适应模糊滤波的椒盐噪声滤除方法,主要包括像素点多级分类和自适应模糊滤波两个部分。在像素点多级分类阶段,先结合先验知识设计快速的一级粗分类,将像素点分为椒盐噪声、信号和可疑噪声叁类。对于可疑噪声,再提取区域内的直方图分布特征,设计BP神经网络分类器进行精确分类,最终将图像中的所有像素点分为信号和椒盐噪声两类。在自适应模糊滤波阶段,针对叁种模糊集合分别创建模糊隶属度函数,计算模糊隶属度值,通过模糊加权求和恢复像素点亮度。实验结果表明,该方法的像素点分类正确率高,滤波后图像的峰值信噪比高,平均滤波耗时少。(本文来源于《计算机应用研究》期刊2019年01期）
张庭亮,甄倩倩[3]（2017）在《虹膜图像采集噪声滤除算法对比研究》一文中研究指出虹膜图像噪声滤除一定程度上决定了识别的准确度,采集系统产生的椒盐噪声、高斯噪声与光源点噪声,采用空域滤波、频域滤波与形态学滤波方法分别滤除,对滤除结果进行分析。虹膜库图像测试结果表明,本文所采用的方法可以有效的滤除采集噪声,为虹膜识别提供更多有效特征点数据。(本文来源于《福建电脑》期刊2017年09期）
盛明伟,刘奕晖,万磊[4]（2017）在《水下噪声图像改进滤除增强方法研究》一文中研究指出海洋环境噪声严重影响水下光学成像效果,水下噪声造成图像纹理不清,边缘模糊,目标和背景灰度分布不均,难以实现目标与背景的分离和后续目标识别等处理。针对以上问题,文章提出两种水下噪声图像改进增强滤波方法。首先,针对图像中水下噪声的生成特点,考虑传统模糊增强算法灰度损失、计算量大的缺点,从隶属度函数、快速性两方面对传统模糊增强算法进行改进;然后提出一种基于区域饱和度控制的边缘特征滤波方法,以减小水下噪声对后续直线特征提取的影响。结果表明所提方法可以有效滤除图像中的水下噪声。(本文来源于《第十六届船舶水下噪声学术讨论会论文集》期刊2017-08-01）
徐沁,刘金培,汤进,罗斌[5]（2017）在《基于加权超图和IOWA算子的图像椒盐噪声滤除算法》一文中研究指出针对图像椒盐噪声,提出基于加权超图和诱导有序加权平均(IOWA)算子的椒盐噪声滤除算法.首先,用加权超图对图像进行表示,根据椒盐噪声为极值的特点,定义超图边的权值,该权值能够反映边内中心节点对应像素为噪声点的可能性,进而利用超图边的权值进行噪声检测;其次,构建IOWA算子对噪声点进行复原,并采用噪声检测与复原交替进行的方式完成图像的椒盐噪声滤除.仿真实验结果表明,所提出的算法不但可有效复原椒盐噪声,而且能保持原图像的轮廓等细节信息.(本文来源于《控制与决策》期刊2017年04期）
闫海鹏,吴玉厚[6]（2017）在《基于PCNN的图像椒盐噪声滤除方法》一文中研究指出传统的降噪方法在图像降噪之后会损坏图像的部分边缘细节信息,致使图像的轮廓变得模糊不清。为了达到更好的图像降噪效果,提出一种改变突触链接强度和改进阈值函数的脉冲耦合神经网络的图像降噪方法。该方法将基本脉冲耦合神经网络模型进行简化,使突触链接强度自适应取值,将阈值函数改进为分段的衰减函数,从而提高对图像不同灰度值的分辨力,并根据神经元与其周围神经元点火时间差定位噪声点,提高了算法对噪声点的辨识精确度,进而实现更好的降噪效果。实验结果表明,改进方法准确地辨识出了图像的椒盐噪声点,并且能够有效去除噪声点,同时很好地保护图像边缘细节。(本文来源于《智能系统学报》期刊2017年02期）
黄立慧,陈海霞[7]（2016）在《基于方向梯度计算的图像椒盐噪声滤除算法》一文中研究指出针对图像的椒盐噪声污染,提出了一种基于方向梯度计算的滤除算法。该算法首先根据图像的方向梯度计算,利用梯度值区分出图像中的边缘细节、平坦区和噪声点,再利用设定阈值的方法,对不同区域分别滤波。实验证明,该算法不仅更有效地滤除椒盐噪声,而且能很好地保护原图的边缘细节。(本文来源于《福建电脑》期刊2016年06期）
林亚明,林叶郁,李佐勇[8]（2016）在《一种基于十字模板的图像椒盐噪声滤除方法》一文中研究指出在比较几种椒盐去噪方法的滤波窗口尺寸选择策略的基础上,提出一种基于十字模板的图像椒盐噪声滤除方法.此方法首先将图像中灰度值为0或255的像素点判定为噪声点,然后计算图像中每个噪声点到最近信号点的街区距离,以街区距离为顺序依次对噪声进行均值滤波,滤波运算仅使用以该噪声点为中心的十字模板中的信号点和已处理点.为验证方法有效性,新方法与其他3种椒盐去噪方法相比较.仿真结果表明,新方法与其他方法的最优去噪效果相当,而运算时间明显减少,比获得最优去噪结果的算法快了20~55倍.此外,新方法对现实世界中大量存在的自身包含较多灰度值为0或255像素点的图像,去噪效果优于其他3种方法,而且计算时间较少.(本文来源于《闽江学院学报》期刊2016年02期）
林亚明,李佐勇,林叶郁,徐戈[9]（2015）在《自适应滤波窗实现距离加权图像椒盐噪声滤除》一文中研究指出目的在比较几种椒盐去噪方法的滤波窗口尺寸选择策略的基础上,提出一种基于自适应滤波窗的距离加权图像椒盐噪声滤除方法。方法首先将图像中灰度值为0或255的像素点判定为噪声点,接着对每个噪声点,在以该噪声点为中心、不断增大面积的滤波窗口序列中,寻找包含非噪声点的最小尺寸窗口。若此窗口尺寸小于预设的阈值,则使用该窗口中的非噪声点进行距离加权滤波。否则认为该噪声点位置位于图像自身灰度值为0或255的像素点区域内部,使用少数服从多数策略计算灰度恢复值。结果将本文方法与其他7种椒盐去噪方法相比较。当图像自身包含较多灰度值为0或255的像素点时,本文方法去噪效果优于其他7种方法。当图像自身不含或较少包含灰度值为0或255的像素点时,本文方法与其他方法中的最优去噪结果效果相当。结论本文方法不仅能够有效滤除椒盐噪声,而且适用于自身包含灰度值为0或255的像素点多的椒盐噪声图像。(本文来源于《中国图象图形学报》期刊2015年08期）
戴维迪,梅伟,王亭亭,贾重,王玉川[10]（2014）在《基于CBS人体安检图像的噪声滤除方法》一文中研究指出为滤除处于开放环境下的CBS人体安检图像上的噪声干扰,针对CBS人体安检图像噪声数据类型,对比研究了不同噪声滤除方法在CBS人体安检图像的应用效果,提出了一种面向CBS图像的混合中值高斯噪声滤除方法,基于PSNR和MAE的量化实验结果证明了该方法在CBS人体安检成像上的有效性。(本文来源于《核电子学与探测技术》期刊2014年07期）
图像噪声滤除论文开题报告范文
（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：
为了解决当前椒盐噪声滤除算法对X光图像滤除效果不佳且运算效率不高的问题,提出了一种融合多级分类和自适应模糊滤波的椒盐噪声滤除方法,主要包括像素点多级分类和自适应模糊滤波两个部分。在像素点多级分类阶段,先结合先验知识设计快速的一级粗分类,将像素点分为椒盐噪声、信号和可疑噪声叁类。对于可疑噪声,再提取区域内的直方图分布特征,设计BP神经网络分类器进行精确分类,最终将图像中的所有像素点分为信号和椒盐噪声两类。在自适应模糊滤波阶段,针对叁种模糊集合分别创建模糊隶属度函数,计算模糊隶属度值,通过模糊加权求和恢复像素点亮度。实验结果表明,该方法的像素点分类正确率高,滤波后图像的峰值信噪比高,平均滤波耗时少。
（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。
图像噪声滤除论文参考文献
[1].孙佳琦,马群,韩杰,王竞择,王孜纯.基于Holt双参数指数平滑的图像椒盐噪声滤除[J].哈尔滨商业大学学报(自然科学版).2018
[2].袁桂霞,周先春.基于分类和模糊滤波的X光图像椒盐噪声滤除算法[J].计算机应用研究.2019
[3].张庭亮,甄倩倩.虹膜图像采集噪声滤除算法对比研究[J].福建电脑.2017
[4].盛明伟,刘奕晖,万磊.水下噪声图像改进滤除增强方法研究[C].第十六届船舶水下噪声学术讨论会论文集.2017
[5].徐沁,刘金培,汤进,罗斌.基于加权超图和IOWA算子的图像椒盐噪声滤除算法[J].控制与决策.2017
[6].闫海鹏,吴玉厚.基于PCNN的图像椒盐噪声滤除方法[J].智能系统学报.2017
[7].黄立慧,陈海霞.基于方向梯度计算的图像椒盐噪声滤除算法[J].福建电脑.2016
[8].林亚明,林叶郁,李佐勇.一种基于十字模板的图像椒盐噪声滤除方法[J].闽江学院学报.2016
[9].林亚明,李佐勇,林叶郁,徐戈.自适应滤波窗实现距离加权图像椒盐噪声滤除[J].中国图象图形学报.2015
[10].戴维迪,梅伟,王亭亭,贾重,王玉川.基于CBS人体安检图像的噪声滤除方法[J].核电子学与探测技术.2014