梯度特征在圖像去噪中的應(yīng)用研究.pdf

1、梯度特征反映了圖像邊緣、輪廓與紋理等信息，在圖像去噪中起著重要作用。本論文在對圖像梯度特征進行分析的基礎(chǔ)上，研究了圖像梯度特征在圖像去噪方法中的應(yīng)用，提出有效的梯度約束去噪方法，對圖像實現(xiàn)去噪同時保留其中邊緣、輪廓和紋理信息，進而提升去噪圖像清晰度的效果。論文的具體工作包括:
　　(1)設(shè)計了一種多方向梯度約束全變差圖像去噪算法。首先分析了傳統(tǒng)去噪方法中只利用水平和垂直兩個方向梯度的不足，提出了利用梯度算子在水平、垂直和兩個對角方

2、向分別與圖像卷積提取多方向的梯度特征。其次，利用多種梯度算子同圖像卷積提取圖像的多方向梯度特征，將多梯度特征作為全變差圖像去噪中的一個約束條件，通過求解優(yōu)化問題得到干凈圖像。經(jīng)過實驗驗證，多方向梯度特征約束的去噪方法，在去噪效果上比兩方向梯度的算法更好，同時也獲得更高PSNR值。
　　(2)設(shè)計了一種基于多方向梯度特征的分區(qū)域圖像去噪算法。首先利用圖像的多方向梯度特征對圖像進行區(qū)域分割。利用多方向梯度特征包含圖像的邊緣和紋理信息的

3、特點，根據(jù)梯度特征值的大小將圖像分為平滑和邊緣兩個區(qū)域。其次，對平滑區(qū)域利用平滑濾波的方法去除噪聲，而對邊緣區(qū)域則利用紋理保持較好的去噪方法。通過實驗驗證，相比不劃分區(qū)域的去噪方法，分區(qū)域去噪可以在抑制平滑區(qū)域圖像的噪聲的同時，保留了邊緣紋理區(qū)域的細節(jié)特征，提高了整體的去噪結(jié)果。
　　(3)設(shè)計了一種分區(qū)域梯度約束全變差圖像去噪算法。首先分析了無噪圖像的梯度分布特征與含噪圖像的梯度分布特征的不同，在利用梯度特征分割圖像的基礎(chǔ)上，提