各向異性擴(kuò)散的自適應(yīng)變正則參數(shù)方法在圖像去噪中的應(yīng)用.pdf

1、圖像中的噪聲對(duì)圖像識(shí)別、圖像縮放和圖像分割等后繼的圖像處理影響非常大，因此圖像去噪一直是圖像預(yù)處理的熱點(diǎn)問(wèn)題?，F(xiàn)今發(fā)展出的各種理論，在圖像去噪中都有廣泛的應(yīng)用。其中正則化方法是圖像去噪中的常用方法。 在以往的利用正則化方法進(jìn)行帶噪圖像恢復(fù)的工作中，正則參數(shù)的選擇往往是恒定的。楊朝霞等利用帶噪圖像中不同類(lèi)型的像素點(diǎn)在各種方向上的不同特點(diǎn)，提出自適應(yīng)雙正則參數(shù)變分模型。這個(gè)模型忽略了同種類(lèi)型像素點(diǎn)之間的差別，同時(shí)在模型參數(shù)的構(gòu)造上缺

2、乏對(duì)正則化過(guò)程中位函數(shù)的利用。本文在該模型基礎(chǔ)上，提出了一種各向異性擴(kuò)散的自適應(yīng)變正則參數(shù)去噪方法。 這種方法的思想是基于對(duì)數(shù)字圖像的平坦點(diǎn)、噪聲點(diǎn)和邊緣點(diǎn)三類(lèi)像素點(diǎn)的區(qū)分。對(duì)不同類(lèi)型的像素點(diǎn)，使用不同的正則參數(shù)決定函數(shù)；而對(duì)同一種類(lèi)型的像素點(diǎn)，決定函數(shù)根據(jù)在不同方向上灰度值的變化率選取不同的正則參數(shù)值，因此模型有良好的自適應(yīng)性。同時(shí)參考了各向異性擴(kuò)散去噪保邊緣的良好性質(zhì)，為模型加入各向異性擴(kuò)散系數(shù)，增強(qiáng)了模型的精度和效果。