基于變分法的椒鹽噪聲圖像恢復(fù)模型算法.pdf

1、在現(xiàn)實(shí)生活中圖像由于種種原因被加入大量噪聲，不僅嚴(yán)重影響了圖像的視覺效果，同時(shí)也給以后的圖像分析和處理帶來一定的困難，因此在圖像預(yù)處理中圖像去噪是非常重要的環(huán)節(jié)。平滑去噪質(zhì)量的好壞直接影響到后續(xù)處理。 傳統(tǒng)的圖像去噪算法如均值濾波、中值濾波、高斯濾波等，由于不考慮圖像的形狀特征，其平滑結(jié)果等價(jià)于傳導(dǎo)系數(shù)為常數(shù)的熱擴(kuò)散方程，屬于各向同性擴(kuò)散，所以在去噪的同時(shí)也模糊甚至破壞了圖像的邊緣。而基于偏微分方程的圖像平滑技術(shù)恰好能解決這一問

2、題。在平滑的過程中，同時(shí)檢測(cè)圖像特征強(qiáng)弱及其方向，其平滑結(jié)果較好兼顧了噪聲消除和特征保持，是一種較好的圖像平滑技術(shù)。與熱擴(kuò)散模型相比較，各向異性擴(kuò)散模型實(shí)際是一個(gè)非線性拋物型的偏微分方程，由圖像梯度決定其擴(kuò)散速度，能夠兼顧了噪聲消除和特征保持兩方面。以Perona-Malik模型為代表的這類方法已經(jīng)在邊緣檢測(cè)、圖像增強(qiáng)、圖像分割以及目標(biāo)識(shí)別等領(lǐng)域得到了廣泛的應(yīng)用。 基于變分法的圖像去噪是偏微分方程應(yīng)用的另一分支，它有很強(qiáng)的理論基

3、礎(chǔ)和成熟的數(shù)值解法。用于圖像去噪的變分模型很多，適當(dāng)?shù)倪x取模型的正則化函數(shù)能夠提高圖像恢復(fù)的質(zhì)量。l 992年Rudin，Osher，和Fatemi等人提出的全變分模型(TV)是變分法中的一個(gè)經(jīng)典模型，全變分模型(TV)用于圖像恢復(fù)時(shí)能夠很好的保持圖像邊緣，是目前為止保持邊緣圖像恢復(fù)問題中比較成功的方法。但是全變分模型(TV)不能很好的解決椒鹽噪聲問題，去除椒鹽噪聲時(shí)不但不能去除反而有擴(kuò)大噪聲的趨勢(shì)。本文提出了一種新的模型算法，根據(jù)椒鹽