欢迎来到天天文库
浏览记录
ID:46224332
大小:127.36 KB
页数:15页
时间:2019-11-21
《毕业论文(设计)-偏微分去噪研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、I•正文基于全分法(TV)图像去噪理论的研究摘要:图像去噪一直以来都是图像处理领域一个很受关注的问题,而且也是高层图像处理应用的预处理过程。传统的图像去噪方法在去除噪芦的同时往往会破坏边缘、线条、纹理等图像特征,基于偏微分方程的算法在图像去噪的同时,能够很好的保持图像的细节特征,因此,近年來受到越來越多的关注。本文首先对彩色一灰度图像的变换进行了深入研究,综合矢量图像水平集的推广概念和全变分(TV)理论,提出了一种基于TV图像复原模型的彩色.灰度图像变换方法。该方法将形状保持和边缘保护归于一个统一的模型中,克服了已存变换方法不能保持形状及引起边缘模糊
2、化的缺点。其次,对比研究灰度图像的反差增强技术,对彩色图像的亮度主分量图采用保持形状的局部直方图均衡化进行增强。结合对数拉伸预处理图像和预先检测连通分量面积确定阈值,以多级分层的递推方式实践改进。在整体上实现了保形增强,并改善了局部小对象和低灰度区的增强效果。最后,在上述两方面研究的基础上,本文给出了一个基于全变分(TV)的彩色图像增强方案。对人工、口然图像的实验结果表明,木文所提新方案实现了保持形状和保证边缘锐利程度的数字图像彩色增强,与传统和现有方法比较,更好地解决了色彩及形状失真问题,并使得处理后图像的边缘锐度得到大大的提高。关键词:彩色图像增
3、强,全变分(TV),直方图均衡化,形状保持,边缘锐度.ImagedenoisingtheorybasedonnonlinearpartialdifferentialequationsAbstract:Imagedenoisinghasalwaysbeenapopularconcernintheimageprocessing,andalsoisapreprocessingstepforhigh-levelimageprocessingapplications.Thetraditionaldenoisingmethodalwaystendstounder
4、minetheedge,line,textureandotherimagefeatureswhileremovingthenoise.However,themethodbasedonpartialdifferentialequationsisabletopreserveimagedetailfeatureswellwhilereducingthenoise,soithasbeenattractedanincreasingattentioninrecentyears.Thisthesisthoroughlyresearchedthetransforma
5、tionofcolorimageto铲ayimage.Combinedtheconceptoflevel-linesofvector-valuedimagesandthetheoryoftotalvariation,animprovedmethodbasedontotalvariationimagerestorationmodelWaspresented.Thisnewmethodachievedabetterunityofshape-preservingandedge-protectingbyunifyingthesetwoaspectsinone
6、model.Itovercamethedisadvantagesoftraditionalandexistedmethods・Furthermore,thisthesiscomparedandresearchedtechnologiesofgrayimages'contrastenhancement.Itutilizedtheshape-preservinglocalhistogramequalizationtodocontrastenhancementoftheprincipalcomporientimageoftheoriginalcolorim
7、age.Itusedthelogenhancementtopre-processthegrayimageandpre—etectedtheacreagesofconnectedcomponentstodeterminethethresholdsofoperations.Finally,itimplementedtheiterationsbymulti—levelhierarchicalapproach.ThecontrastofwholegrayimageWasimprovedbyashape—preservingway.Besides,contra
8、stofsmallobjectsinlocalandlowgrayareaswasimprovedtoo.U
此文档下载收益归作者所有