欢迎来到天天文库
浏览记录
ID:33496073
大小:467.29 KB
页数:8页
时间:2019-02-26
《基于特征驱动的双向耦合扩散方程的图像去噪和边缘锐化》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、万方数据第14卷第2期2006年4月光学精密工程OpticsandPrecisionEngineeringV01.14No.2Apr.2006文章编号1004—924X(2006)02—0315—05基于特征驱动的双向耦合扩散方程的图像去噪和边缘锐化付树军1’2,阮秋琦2,王文洽1(1.山东大学数学与系统科学学院,山东济南250100;2.北京交通大学信息科学研究所,北京100044)摘要:提出了一个新的能够同时去除图像噪声和锐化边缘的扩散方程模型。根据图像特征,例如边缘,纹理和局部细节,这个特征驱动的双向耦合扩散模型沿着等照度
2、线(边缘)的梯度方向从前向扩散转变为后向(逆)扩散;而相反地沿切线方向实施前向扩散。为了消除前向力和后向力之间的冲突,将扩散方程分裂为一种耦合的形式;同时为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,本文算法能够在去除图像噪声的同时,有力地增强图像的特征。关键词:图像增强;边缘锐化;双向扩散;反向扩散;各向异性扩散;冲击滤波器;分裂耦合;方向导数中图分类号:TP39i.41文献标识码:A‘Feature-orientedcoupledbidirectionalflowequationforimage
3、denoisingandedgesharpeningFUShu—junl~,RUANQiu—qi2,WANGWen—qial(1.SchoolofMathematicsandSystemScience,ShandongUniversity,Jinan250100,China;2.InstituteofInformationScience,BeijingJiaotongUniversity,Beijing100044,China)Abstract:Anewtypeofdiffusionprocesssimultaneouslyde
4、noisingandsharpeningimageswasconsid—ered.Accordingtotheimagefeaturessuchasedges,textures,andfineparts,thefeature—orientedcoupledbidirectionalflowprocesscouldswitchfromaforwarddiffusiontoabackward(inverse)onealongthenormaldirectionstotheisophotelines(edges),whileaforw
5、arddiffusionwasperformeda—longthetangentdirections.Toeliminatetheconflictbetweenthebackwardandtheforwardforce,thediffusionprocesswassplittedintoacoupledscheme.Inordertoenhanceimagefeatures,thenonlineardiffusioncoefficientswerelocallyadjustedaccordingtothedirectionald
6、erivativesoftheimage.Exper—imentalresultsdemonstratethatthealgorithmcansubstantiallyenhancefeaturesondenoisingsmoot—herareasoftheimage.Keywords:imageenhancement;edgesharpening;bidirectionaldiffusion;inverseflow;anisotropicdiffusion;shockfilter;splittingandcoupling;di
7、rectionalderivatives收稿日期:2005—11-12:修订日期:2006—01—18.基金项目:国家自然科学基金(No.60472033);铁道部铁路信息科学和工程重点实验室项目(No。TDXX0510);北京交通大学优秀博士生科技创新基金(No.48007)。万方数据316光学精密工程第14卷引言图像去噪和增强是图像处理和计算机视觉中重要的研究内容。大量的工程和实际应用常常依赖于这些图像处理的结果。这里的一个重要挑战是,在图像去噪的过程中保持并增强重要的图像特征,对于一幅图像来说,边缘是它的最普遍而重要的特征
8、[1。2J。一个广泛采用的消除图像噪声的方法是高斯滤波(GaussianSmoothing,GS),即用一个高斯函数同图像函数做卷积来平滑图像,然而高斯算子是各向同性的,高斯平滑在任意方向进行,因而它模糊了图像边缘。在过去的十几年中,尺度空间理论和偏微分方程技术
此文档下载收益归作者所有