导读:本文包含了自适应加权均值滤波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,自适应,均值,椒盐,脉冲,图像,窗口。
自适应加权均值滤波论文文献综述
武昊男,储成群,任勇峰,焦新泉[1]（2019）在《基于FPGA的图像自适应加权均值滤波设计》一文中研究指出针对CMOS图像传感器采集图像过程中的噪声预处理问题,提出一种在FPGA中实现的可配置的自适应加权均值滤波模块设计方案。该模块通过检测滤波窗口内不同方向的方差来确定纹理方向,从而自动生成相应的加权系数,可以对宽度不超过4 094像素的图像进行流水线式的加权均值滤波处理,达到去噪保边的目的。最后经过实验验证,当图像宽度为2 048时,输入输出延时仅为42.04μs,满足实时性要求,且滤波后的图像噪点明显减少,纹理边缘毛刺消失,能较好地改善图像质量。(本文来源于《电子技术应用》期刊2019年03期）
韩涛,孙科[2]（2019）在《自适应中心加权的改进均值滤波算法》一文中研究指出多窗口滤波策略(MWA)算法对受到椒盐噪声污染严重的图像仍然有很好的滤波效果,但其运算量相对较大。针对这一问题,基于中值滤波法计算量偏小的优势,将这两种方法进行有机的融合和改进,提出了一种基于中值的极值算法。该算法的运算量较小,并能广泛应用于受椒盐噪声污染程度不同的图像。通过实验对比,提出的中值极值算法能在较短时间内实现对一幅噪声图像的滤波,具有可靠性和鲁棒性,应用前景广阔。(本文来源于《通信技术》期刊2019年01期）
张培轩[3]（2015）在《一种基于椒盐噪声的自适应加权均值滤波算法》一文中研究指出本文研究的是图像被椒盐噪声污染后的去噪算法问题。文章首先回顾了去噪椒盐噪声的传统的滤波算法,针对这些算法的局限性与不足,在自适应中值滤波算法的基础上,文章提出了一个新的滤波算法——自适应加权均值滤波算法。算法主要分为检测和去除噪声两个阶段。首先,对于图像的每一个像素,不断扩大窗口的大小,通过判断两个邻近窗口的最值是否分别相等来确定所选定的自适应窗口的大小。如果当前像素点等于所选窗口的最大或最小值时,则判定为噪声点。否则判定为未被污染。然后,噪声点将会被所选定邻域的像素灰度值的一个加权平均值来代替。实验结果表明,本文算法的检测错误率很低并且图像质量较好,且噪声水平越高,效果越显着。(本文来源于《华东师范大学》期刊2015-04-06）
罗丹[4]（2013）在《基于图像增强的改进自适应加权均值滤波算法》一文中研究指出提出了一种具有增强效果的图像滤波算法。该算法滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行叁层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为3个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。实验结果表明该滤波算法在噪声滤除和图像细节保持方面具有较好效果。(本文来源于《电视技术》期刊2013年23期）
曹萌,张有会,王志巍,董蕊,郑英娟[5]（2013）在《基于城区距离的自适应加权均值滤波算法》一文中研究指出针对传统滤波窗口不能自适应扩展以及标准均值滤波易造成图像边缘模糊的缺陷,提出一种基于城区距离的自适应加权均值滤波算法。首先,利用开关滤波思想检测出噪声点;其次,对于每一噪声点,依据城区距离扩展窗口,窗口的大小根据窗口内信号点的个数自适应地调节;最后,将窗口内足够数量信号点的灰度的加权平均值作为噪声点的灰度值,实现对噪声点的有效恢复。实验结果表明,该算法能够有效地滤除椒盐噪声,尤其对噪声密度较大的图像,去噪效果更加显着。(本文来源于《计算机应用》期刊2013年11期）
叶小岭,窦艳艳,胡凯[6]（2013）在《神经网络噪声检测的自适应加权均值滤波算法》一文中研究指出针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法。用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护。仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法。(本文来源于《计算机工程与设计》期刊2013年08期）
吴朋波,王志巍,郭晓文,杨芳芳,张有会[7]（2012）在《自适应六边形窗口加权均值滤波》一文中研究指出加权均值滤波算法对于被椒盐噪声污染的图像有较好的滤波效果,但是影响这类算法滤波效果的因素有很多,比如选用不同滤波窗口的滤波效果差别较大。提出一种自适应六边形窗口,该窗口在水平方向采用的像素数多于垂直方向,在滤波过程中对水平方向和垂直方向的侧重有所不同。实验结果表明,算法对水平(或垂直)方向像素关联度强的图像滤波效果优于一般窗口。(本文来源于《计算机工程与应用》期刊2012年36期）
陈初侠,丁勇,刘栎莉[8]（2010）在《去除椒盐噪声的自适应开关加权均值滤波》一文中研究指出提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。(本文来源于《计算机工程》期刊2010年04期）
吴薇[9]（2009）在《基于中值排序的自适应加权均值滤波算法》一文中研究指出分析了MTM算法的原理、优点和不足,并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数,完成对含噪图像的均值滤波。实验证明,算法能较好地滤除高斯噪声和脉冲噪声,且滤波效果优于传统的中值滤波和MTM滤波,是一种简单、实用的图像滤波算法。(本文来源于《武警工程学院学报》期刊2009年04期）
陶剑锋,陈伏虎,李方菊,陶秀[10]（2006）在《基于灰色关联度的图像自适应加权均值滤波》一文中研究指出为在图像去噪过程中既能获得较好的去噪效果,又能更好的保护图像细节,本文运用灰色系统理论中的灰色关联度的概念提出了一种基于灰色关联度的加权均值滤波器,将它用于图像的均值去噪。实验表明,该算法使图像处理效果比传统的均值滤波效果有所提高。(本文来源于《声学与电子工程》期刊2006年02期）
自适应加权均值滤波论文开题报告
（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：
多窗口滤波策略(MWA)算法对受到椒盐噪声污染严重的图像仍然有很好的滤波效果,但其运算量相对较大。针对这一问题,基于中值滤波法计算量偏小的优势,将这两种方法进行有机的融合和改进,提出了一种基于中值的极值算法。该算法的运算量较小,并能广泛应用于受椒盐噪声污染程度不同的图像。通过实验对比,提出的中值极值算法能在较短时间内实现对一幅噪声图像的滤波,具有可靠性和鲁棒性,应用前景广阔。
（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。
自适应加权均值滤波论文参考文献
[1].武昊男,储成群,任勇峰,焦新泉.基于FPGA的图像自适应加权均值滤波设计[J].电子技术应用.2019
[2].韩涛,孙科.自适应中心加权的改进均值滤波算法[J].通信技术.2019
[3].张培轩.一种基于椒盐噪声的自适应加权均值滤波算法[D].华东师范大学.2015
[4].罗丹.基于图像增强的改进自适应加权均值滤波算法[J].电视技术.2013
[5].曹萌,张有会,王志巍,董蕊,郑英娟.基于城区距离的自适应加权均值滤波算法[J].计算机应用.2013
[6].叶小岭,窦艳艳,胡凯.神经网络噪声检测的自适应加权均值滤波算法[J].计算机工程与设计.2013
[7].吴朋波,王志巍,郭晓文,杨芳芳,张有会.自适应六边形窗口加权均值滤波[J].计算机工程与应用.2012
[8].陈初侠,丁勇,刘栎莉.去除椒盐噪声的自适应开关加权均值滤波[J].计算机工程.2010
[9].吴薇.基于中值排序的自适应加权均值滤波算法[J].武警工程学院学报.2009
[10].陶剑锋,陈伏虎,李方菊,陶秀.基于灰色关联度的图像自适应加权均值滤波[J].声学与电子工程.2006
论文知识图
