资源描述：
《图像特征的各向异性扩散去噪方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于图像特征的各向异性扩散去噪方法摘要:对图像去噪滤波方法,j.weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘，为此，提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和t形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。关键词:图像特征;各向异性扩
2、散;相干性;扩散张量;特征值anisotropicdiffusiondenoisingmethodbasedonimagefeaturekedandan,caiguangcheng*,caoqianqian(facultyofscience,kunminguniversityofscienceandtechnology,kunmingyunnan650500,china)abstract:asfortheimagedenoisingfiltermethod,themodelproposedbyj.weick
3、ertdoesnotconsiderthedistinctionsbetweenthesmoothareaandotherimagefeatures.thediffusioninsmoothareaisalsoinaccordancewiththeeigenvaluesoflocalstructurecharacteristics,thusinevitablyproducingfalseedgesinsmootharea.animprovedanisotropicdiffusionmethodwasproposed.thisme
4、thodfirstlyusedthewienerfiltertoweakentheinfluenceofnoiseontheimage,thencoherencewasappliedtojudgeimagefeaturecorrectly,asedgeregion,smootharea,tshapecornerandsoon,andthediffusiontensorseigenvaluesincorrespondingregionweresetbasedonimagefeature.theexperimentalresul
5、tsshowthattheimprovedmethodcannotonlyachievebetterresultsineliminationofnoiseandprotectionofedge,butalsoremovefalseedgeinsmoothareaeffectivelyandgethigherpeaksignaltonoiseratio.keywords:imagefeature;anisotropicdiffusion;coherence;diffusiontensor;eigenvalue0引言成像过
6、程中由于受内外因素的干扰,图像总不可避免地存在噪声,这些噪声在很大程度上影响了图像细节的真实情况,降低了图像质量。因此,如何有效去除噪声,保护图像细节特征,提高图像质量,一直是人们广泛研究的问题。近年来,偏微分方程(partialdifferentialequation,pde)方法应用于图像去噪的高质量处理结果引起了人们的广泛关注[1-14]。应用偏微分方程方法去噪主要有3个发展方向:第一,由线性扩散模型到非线性扩散模型的转变,非线性扩散模型以pm模型[1]为代表;第二,由简单的一类方程到复杂的多类方程转变,如
7、lysajer等[2]提出的高阶方程,gilboa等[3-4]提出的逆扩散方程以及实扩散与复扩散的综合等;第三,由偏微分方程的一步实现向多步实现转变,如j.weickert[5-7]的各向异性扩散方程先用线性方程对边缘进行定向,再用非线性方程实现沿边缘的定向扩散,实现了线性方程与非线性方程的结合[8]。目前,偏微分方程去噪研究的重点仍放在多类方程的综合和偏微分方程的多步实现上。但由于多类方程的综合会增加约束参数的个数和模型的复杂性,给处理带来很大麻烦,所以其前景较偏微分方程的多步实现差。本文针对j
8、.weickert[5-7]提出的各向异性扩散方程模型处理加噪图像时在光滑区域中会出现虚假边缘的缺点,采用相干性[9]正确判断图像的边缘区域和光滑区域,及拐角和t形局部结构,基于图像特征构造新特征值,从而构造新的扩散张量,以实现对不同图像特征进行不同
