非線性擴散和變分模型在圖像去噪中的應用.pdf

1、圖像是人們獲取信息的重要渠道。但在圖像的獲取、傳輸、存儲等過程中往往因為各種原因而摻雜入噪聲。因此，在進一步使用圖像前去除噪聲，提高圖像質量成為數(shù)字圖像處理中的重要研究部分。本文對基于非線性擴散和變分方法的圖像降噪技術進行了研究，主要包括以下主要內容。對非線性擴散技術和基于變分方法的圖像降噪技術的發(fā)展與現(xiàn)狀進行了闡述。在非線性擴散技術中，介紹了P-M圖像擴散模型和幾種在此基礎上的改進方法，分析了這幾種模型的去噪和邊緣保持特點。對基于變分

2、方法的ROF模型及其改進模型進行了分析，討論了這些模型的邊緣保持作用。在以上研究的基礎上，本文主要工作如下： 介紹了TV流擴散和正、逆向擴散技術和圖像耦合技術，證明了TV流模型的邊緣擴散性質，在此基礎上提出了基于TV流的彩色圖像耦合擴散模型，將TV流和正、逆向擴散技術運用到彩色圖像擴散中；通過實驗證明正、逆向擴散技術在矢量圖像擴散工作中的作用。 階梯現(xiàn)象是ROF模型的主要不足之一，本文分析了ROF模型產生階梯化現(xiàn)象的原因

3、，研究了Bing Song自適應去噪模型的去噪和邊緣保持性質，證明了其在不同參數(shù)p下的邊緣擴散性質；同時對Blomgren等人提出的梯度自適應改進模型進行了介紹，分析了改進模型的優(yōu)點和不足，提出了基于梯度自適應改進模型的改進函數(shù)，提升了Blomgren模型的邊緣保持能力，使之能夠適應各種對比度的圖像。 通過對以上方法分別進行仿真實驗，結果表明：在彩色圖像中，耦合的TV流擴散模型較未耦合模型有更好的去噪及邊緣保持效果，且正逆向擴散