梯度特征在圖像去噪中的應(yīng)用研究.pdf

1、梯度特征反映了圖像邊緣、輪廓與紋理等信息，在圖像去噪中起著重要作用。本論文在對(duì)圖像梯度特征進(jìn)行分析的基礎(chǔ)上，研究了圖像梯度特征在圖像去噪方法中的應(yīng)用，提出有效的梯度約束去噪方法，對(duì)圖像實(shí)現(xiàn)去噪同時(shí)保留其中邊緣、輪廓和紋理信息，進(jìn)而提升去噪圖像清晰度的效果。論文的具體工作包括:
　　(1)設(shè)計(jì)了一種多方向梯度約束全變差圖像去噪算法。首先分析了傳統(tǒng)去噪方法中只利用水平和垂直兩個(gè)方向梯度的不足，提出了利用梯度算子在水平、垂直和兩個(gè)對(duì)角方

2、向分別與圖像卷積提取多方向的梯度特征。其次，利用多種梯度算子同圖像卷積提取圖像的多方向梯度特征，將多梯度特征作為全變差圖像去噪中的一個(gè)約束條件，通過(guò)求解優(yōu)化問(wèn)題得到干凈圖像。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，多方向梯度特征約束的去噪方法，在去噪效果上比兩方向梯度的算法更好，同時(shí)也獲得更高PSNR值。
　　(2)設(shè)計(jì)了一種基于多方向梯度特征的分區(qū)域圖像去噪算法。首先利用圖像的多方向梯度特征對(duì)圖像進(jìn)行區(qū)域分割。利用多方向梯度特征包含圖像的邊緣和紋理信息的

3、特點(diǎn)，根據(jù)梯度特征值的大小將圖像分為平滑和邊緣兩個(gè)區(qū)域。其次，對(duì)平滑區(qū)域利用平滑濾波的方法去除噪聲，而對(duì)邊緣區(qū)域則利用紋理保持較好的去噪方法。通過(guò)實(shí)驗(yàn)驗(yàn)證，相比不劃分區(qū)域的去噪方法，分區(qū)域去噪可以在抑制平滑區(qū)域圖像的噪聲的同時(shí)，保留了邊緣紋理區(qū)域的細(xì)節(jié)特征，提高了整體的去噪結(jié)果。
　　(3)設(shè)計(jì)了一種分區(qū)域梯度約束全變差圖像去噪算法。首先分析了無(wú)噪圖像的梯度分布特征與含噪圖像的梯度分布特征的不同，在利用梯度特征分割圖像的基礎(chǔ)上，提