一种有效的脉冲噪声去除算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (11): 223-228.

一种有效的脉冲噪声去除算法

胡积宝，朱柱

安庆师范学院物理与电气工程学院，安徽安庆 246011

出版日期:2014-06-01 发布日期:2015-04-08

Research of impulse noise removal algorithm

HU Jibao, ZHU Zhu

School of Physics and Electronic Engineering, Anqing Normal University, Anqing, Anhui 246011, China

Online:2014-06-01 Published:2015-04-08

摘要/Abstract

摘要： 噪声像素的检测精度是修复图像的重要因素。为提高噪声像素的检测精度，提出一种有效的两步脉冲噪声滤波算法，算法先以空间局部异常测度为基础，结合S-估计统计量对图像中的脉冲噪声进行检测，然后通过建立、解算正则化目标函数实现对噪声像素的赋值修复。实验验证了该算法的有效性。

关键词: 脉冲噪声, 空间局部异常测度, S-估计, 正则化

Abstract: An impulse noise removal algorithm based on spatial local outlier measurement is proposed, which can realize the elimination of the impulse noise in image effectively. The algorithm identifies impulse-noise in a corrupted image based on SLOM, S-estimate firstly. Then it restores noise candidates by establishing and solving the regularization objective function afterward. Extensive experimental results show the algorithm’s effectiveness.

Key words: impulse noise, Spatial Local Outlier Measure（SLOM）, S-estimate, regularization

胡积宝，朱柱. 一种有效的脉冲噪声去除算法[J]. 计算机工程与应用, 2014, 50(11): 223-228.

HU Jibao, ZHU Zhu. Research of impulse noise removal algorithm[J]. Computer Engineering and Applications, 2014, 50(11): 223-228.

[1]	刘家骥，包崇明，周丽华，王崇云，孔兵. 图正则化非负矩阵分解的异质网社区发现[J]. 计算机工程与应用, 2020, 56(21): 131-138.
[2]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[3]	刘春玲，张黎. 改进非对称相似度和关联正则化的推荐算法[J]. 计算机工程与应用, 2020, 56(16): 45-49.
[4]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[5]	徐霜1，余琍2. 利用正则化矩阵分解技术的多视图聚类方法[J]. 计算机工程与应用, 2019, 55(14): 142-147.
[6]	刘恒，侯越. 贝叶斯神经网络在股票时间序列预测中的应用[J]. 计算机工程与应用, 2019, 55(12): 225-229.
[7]	孙佳美，吴成茂. 正则化图形模糊聚类及鲁棒分割算法[J]. 计算机工程与应用, 2019, 55(11): 179-186.
[8]	张伟，许爱强. 集成散度的MKL模型在模拟电路诊断中的应用[J]. 计算机工程与应用, 2018, 54(9): 5-12.
[9]	曹再辉1，2，吴庆涛1，2，施进发2，3. 基于低秩和图拉普拉斯的属性选择算法[J]. 计算机工程与应用, 2018, 54(17): 110-115.
[10]	黄吉庆，王丽会，秦进，程欣宇，张健，李智. 基于多种正则化的改进超分辨率重建算法[J]. 计算机工程与应用, 2018, 54(15): 22-28.
[11]	陈斯泳，安聪沛. 球面l1-正则化逼近模型及其应用研究[J]. 计算机工程与应用, 2018, 54(12): 35-40.
[12]	陈飞宇1，阮鲲2，胡友彬1，曹磊3. 基于KPCA光谱特征约束的水边线提取算法[J]. 计算机工程与应用, 2018, 54(11): 171-177.
[13]	张航，叶东毅. 一种基于多正则化参数的矩阵分解推荐算法[J]. 计算机工程与应用, 2017, 53(3): 74-79.
[14]	王华利1，邹俊忠1，张见1，卫作臣1，汪春梅2. 基于深度卷积神经网络的快速图像分类算法[J]. 计算机工程与应用, 2017, 53(13): 181-188.
[15]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.