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

《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