基于各向異性擴(kuò)散的圖像降噪算法的研究與優(yōu)化.pdf

1、在圖像工程中,實(shí)際得到的圖像是帶有缺陷的,一方面是由于圖像采集設(shè)備、傳輸設(shè)備和接收設(shè)備的不完善,圖像在采集、傳輸和存儲(chǔ)的過程中會(huì)受到各種噪聲的干擾,圖像變得模糊而使圖像信息不完整,另一方面是由于各種圖像處理算法的限制,帶來一些負(fù)面效應(yīng)。這些都造成的圖像的視覺效果較差,而且為圖像的后續(xù)處理的分析形成障礙,故圖像降噪在圖像處理工程中尤為重要。然而在圖像降噪環(huán)節(jié)中,能包含圖像結(jié)構(gòu)信息的邊緣和紋理特征的保留與噪聲的濾除往往呈現(xiàn)博弈狀態(tài)。經(jīng)典的圖

2、像降噪模型具有較好的降噪能力,但是保留圖像的細(xì)節(jié)信息的能力實(shí)在差強(qiáng)人意,而具有各向異性擴(kuò)散的基于非線性PDE的圖像降噪模型平衡了這兩者之間的矛盾,因此成為圖像降噪算法研究的焦點(diǎn)。本文在基于非線性PDE的圖像降噪模型的基礎(chǔ)上進(jìn)行更深入的研究,拓展了該類模型的研究范圍。具體安排如下:
　　1、本文著重對(duì)PM模型擴(kuò)散機(jī)理進(jìn)行分析,針對(duì)傳統(tǒng)PM擴(kuò)散模型不能分辨梯度變化相近的平坦區(qū)域和細(xì)節(jié)區(qū)域的不足,提出一種新的擴(kuò)散模型。該模型將局部直覺模

3、糊熵引入擴(kuò)散函數(shù),結(jié)合梯度共同控制擴(kuò)散過程,使得梯度較大的邊緣區(qū)獲得較小的擴(kuò)散系數(shù)而保留邊緣特征,對(duì)于梯度較小且相近的區(qū)域,由于細(xì)節(jié)區(qū)的局部直覺模糊熵值往往大于平坦區(qū)域的局部直覺模糊熵值而獲得較小擴(kuò)散系數(shù)保留細(xì)節(jié)特征,彌補(bǔ)了傳統(tǒng)擴(kuò)散模型模糊細(xì)節(jié)特征的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)模型相比較,新模型細(xì)節(jié)信息保留的更加完整,噪聲去除的更干凈,視覺和量化效果均很優(yōu)異。
　　2、本文在對(duì)TV模型和四階PDE模型分析的基礎(chǔ)上,引入圖像ENI(“

4、邊緣像素,噪聲像素和內(nèi)部像素”的縮寫)的概念,即表示在局部鄰域均勻的像素的數(shù)目,并且邊緣像素,嘈雜的像素和內(nèi)部像素是明顯不同的。本文重新定義了擴(kuò)散函數(shù)和擴(kuò)散模型的保真度函數(shù),均依賴于圖像的ENI。根據(jù)本文的兩個(gè)控制函數(shù),在邊緣像素,噪聲像素以及內(nèi)部平坦像素的擴(kuò)散和保真度處理可以選擇性地進(jìn)行平滑,提出一種基于圖像ENI的邊緣保持的四階偏微分方程降噪模型。本文通過MATLAB對(duì)標(biāo)準(zhǔn)圖像進(jìn)行測(cè)試來驗(yàn)證所提出的降噪模型。實(shí)驗(yàn)結(jié)果表明該圖像降噪模

5、型對(duì)不同的噪聲均有明顯的降噪效果,得到視覺效果較好的圖像,具有較強(qiáng)的綜合性能。
　　3、本文通過分析圖像的邊緣屬性,將圖像增強(qiáng)的理論引入偏微分降噪模型,并將模糊數(shù)學(xué)理論融入其中提出模糊雙向流降噪模型。該模型通過減少其邊緣寬度來銳化圖像邊緣,它表現(xiàn)為后向(逆)模糊沿梯度方向的等照度線(邊緣)擴(kuò)散,而沿切線方向向前擴(kuò)散來銳化圖像。為了保留圖像特征,非線性擴(kuò)散系數(shù)是根據(jù)圖像局部方向?qū)?shù)來調(diào)整。實(shí)驗(yàn)表明,該算法基本上改善了降噪圖像視覺質(zhì)量