新的形态学图像降噪方法

doi:10.3724/SP.J.1087.2011.00757

计算机应用 ›› 2011, Vol. 31 ›› Issue (03): 757-759.DOI: 10.3724/SP.J.1087.2011.00757

新的形态学图像降噪方法

黄宝贵¹,马春梅¹,卢振泰²

1. 曲阜师范大学计算机科学学院,山东日照276826
2. 南方医科大学生物医学工程学院,广州510515

收稿日期:2010-08-10 修回日期:2010-09-22 发布日期:2011-03-03 出版日期:2011-03-01
通讯作者: 黄宝贵
作者简介:黄宝贵(1977-)，男，山东临沂人，讲师，硕士，主要研究方向：数字图像处理、模式识别；马春梅(1978-)，女，山东威海人，讲师，硕士，主要研究方向：数字图像处理；卢振泰(1981-)，男，山东济宁人，博士，主要研究方向：图像配准与融合、图像分割。
基金资助:
国家自然科学基金重点资助项目(30730036)

New image denoising approach based on morphology

HUANG Bao-gui¹,MA Chun-mei¹,LU Zhen-tai²

1. School of Computer Science, Qufu Normal University, Rizhao Shandong 276826, China
2. School of Biomedical Engineering, Southern Medical University, Guangzhou Guangdong 510515, China

Received:2010-08-10 Revised:2010-09-22 Online:2011-03-03 Published:2011-03-01
Contact: HUANG Bao-gui

摘要/Abstract

摘要： 提出一种新的基于轮廓结构(CB)元素形态学的多尺度图像降噪方法。考虑到图像在不同尺度下的特性，用基于轮廓结构元素形态学的多尺度算法滤除图像噪声，然后将不同尺度下的降噪图像加权融合在一起，从而得到最终的降噪图像。通过大量实验证明该方法能够有效去除多种不同类型的图像噪声，并在抑制噪声的同时很好地保护了图像的细节和边缘信息。

关键词: 数学形态学, 多尺度, 图像降噪, 滤波

Abstract: A new image denoising method based on Contour Bougie (CB) elements morphology was proposed. Considering the image characteristics on different scales, the morphological multi-scale algorithm based on contour structure elements was employed to remove the noise in image, and then the weighted fusion of the denoised image on different scales was done. A large number of experiments show that the proposed method can not only suppress many kinds of image noise but also protect the image detail effectively.

Key words: mathematical morphology, muli-scale, image denoising, filtering

中图分类号:

TP391.41

黄宝贵马春梅卢振泰. 新的形态学图像降噪方法[J]. 计算机应用, 2011, 31(03): 757-759.

HUANG Bao-gui MA Chun-mei LU Zhen-tai. New image denoising approach based on morphology[J]. Journal of Computer Applications, 2011, 31(03): 757-759.

[1]	孙浩艺, 王传美, 丁义明. 基于隐藏层输出矩阵的极限学习机算法优化[J]. 计算机应用, 2021, 41(9): 2481-2488.
[2]	高工, 杨红雨, 刘洪. 基于深度学习的三维点云人脸识别[J]. 计算机应用, 2021, 41(9): 2736-2740.
[3]	姬张建, 任兴旺. 带旋转与尺度估计的全卷积孪生网络目标跟踪算法[J]. 计算机应用, 2021, 41(9): 2705-2711.
[4]	景兴红, 孙国栋, 何世彪, 廖勇. 基于滑窗滤波和多项式拟合的时变信道估计方法[J]. 计算机应用, 2021, 41(9): 2699-2704.
[5]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[6]	夏玉杰, 时永鹏, 高雅, 孙鹏. 降低滤波器组多载波信号峰均比的边信息嵌入选择性映射方法[J]. 计算机应用, 2021, 41(5): 1425-1431.
[7]	曹建芳, 田晓东, 贾一鸣, 闫敏敏. 改进DeepLabV3+模型在壁画分割中的应用[J]. 计算机应用, 2021, 41(5): 1471-1476.
[8]	王宁, 宋慧慧, 张开华. 基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法[J]. 计算机应用, 2021, 41(4): 1100-1105.
[9]	蒋丽, 黄仕建, 严文娟. 基于低秩行为信息和多尺度卷积神经网络的人体行为识别方法[J]. 计算机应用, 2021, 41(3): 721-726.
[10]	杨先凤, 贵红军, 傅春常. 统一计算设备架构下的F-X域预测滤波并行算法[J]. 计算机应用, 2021, 41(2): 486-491.
[11]	杜培德, 严华. 基于多尺度空间注意力特征融合的人群计数网络[J]. 计算机应用, 2021, 41(2): 537-543.
[12]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[13]	韩建栋, 李晓宇. 基于多尺度特征融合的行人重识别方法[J]. 计算机应用, 2021, 41(10): 2991-2996.
[14]	成亚玲, 柏智, 谭爱平. 基于引导滤波和差分图像的多聚焦图像融合方法[J]. 计算机应用, 2021, 41(1): 220-224.
[15]	肖勇, 郑楷洪, 郑镇境, 钱斌, 李森, 马千里. 基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测[J]. 计算机应用, 2021, 41(1): 231-236.

新的形态学图像降噪方法

New image denoising approach based on morphology

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