类型2模糊系统模型组合的噪声滤波器

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (25): 182-185.

• 图形、图像、模式识别 • 上一篇下一篇

类型2模糊系统模型组合的噪声滤波器

王双双，王士同，李岳阳

江南大学信息工程学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-01 发布日期:2011-09-01

New noise filter based on combination of Type-2 fuzzy system models

WANG Shuangshuang，WANG Shitong，LI Yueyang

School of Information Technology，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要： 通过对区间类型2模糊系统（interval Type-2 FLS）和高斯类型2模糊系统（Gaussian Type-2 FLS）进行组合，提出了适合图像脉冲噪声滤波的TFLS滤波器。用噪声密度不同的数字图像测试TFLS滤波器的性能，同时与区间类型2模糊系统FLS滤波器等进行对比。实验结果表明：TFLS滤波器在去除图像的脉冲噪声的同时，能较好地保留图像中的边缘细节信息，较显著改善图像视觉质量，客观评价指标PSNR值也有较明显提高。

关键词: 图像去噪, 脉冲噪声, 滤波器, Type-2模糊系统

Abstract: Based on the combination of interval Type-2 fuzzy systems and Gaussian Type-2 fuzzy systems，a novel TFLS filter is presented for filtering impulse noise in images.The performance of the proposed TFLS filter is evaluated for different test images corrupted at various noise densities and also compared with other impulse noise filters.The experimental results show that the proposed TFLS filter outperforms other filters in suppressing Gaussian noise while at the same time effectively preserving edges，texture，and other useful information within the image.

Key words: image denoising, impulse noise, filter, Type-2 fuzzy system

王双双，王士同，李岳阳. 类型2模糊系统模型组合的噪声滤波器[J]. 计算机工程与应用, 2011, 47(25): 182-185.

WANG Shuangshuang，WANG Shitong，LI Yueyang. New noise filter based on combination of Type-2 fuzzy system models[J]. Computer Engineering and Applications, 2011, 47(25): 182-185.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[4]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[7]	王思奎，刘云鹏，亓琳，张钟毓，林智远. 基于背景约束与卷积特征的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(8): 205-214.
[8]	李俊彦，宋焕生，张朝阳，侯景严，武非凡. 基于视频的多目标车辆跟踪及轨迹优化[J]. 计算机工程与应用, 2020, 56(5): 194-199.
[9]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[10]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[11]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[12]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[13]	贺军义，杨丰，安葳鹏，尚家泽. 基于IGGIII方案的自适应渐消卡尔曼滤波器[J]. 计算机工程与应用, 2020, 56(14): 52-56.
[14]	潘荣敏，袁杰，王宏伟，米汤. 融合深度信息的移动机器人跟踪方法研究[J]. 计算机工程与应用, 2020, 56(14): 161-168.
[15]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.

类型2模糊系统模型组合的噪声滤波器

New noise filter based on combination of Type-2 fuzzy system models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics