基于邊緣保持的圖像去噪算法.pdf

1、圖像去噪是數(shù)字圖像處理領(lǐng)域中的一個(gè)重要分支，吸引了眾多研究者對(duì)其進(jìn)行不斷地探索與研究，并相繼提出了許多非常優(yōu)秀圖像去噪算法，如局部鄰域均值去噪方法、基于偏微分方程的去噪方法、非局部均值算法、稀疏表示去噪方法等。這些算法均具有非常好的圖像去噪效果，但是卻會(huì)或多或少的丟失圖像邊緣信息或是出現(xiàn)偽紋理現(xiàn)象。針對(duì)此問(wèn)題，本文基于已有的圖像去噪理論知識(shí)，以保持圖像邊緣、消除偽紋理為線索，分別對(duì)基于圖像局部特征的偏微分方法、非局部均值方法及稀疏表示方

2、法三種圖像去噪算法進(jìn)行研究、分析、改進(jìn)，使得改進(jìn)后的算法在去除噪聲的同時(shí)也能夠較好的保留圖像邊緣。本文的主要工作成果及創(chuàng)新點(diǎn)如下：
　　1.對(duì)偏微分去噪方法中用于判斷平坦部分和邊緣部分的梯度閾值進(jìn)行改進(jìn)，設(shè)計(jì)了一個(gè)新的基于擴(kuò)散次數(shù)的梯度閾值函數(shù)。新的函數(shù)是反比例形式的函數(shù)，改善了原來(lái)指數(shù)形式的梯度閾值函數(shù)過(guò)早趨于零的問(wèn)題。雖然指數(shù)形式的梯度閾值函數(shù)解決了固定梯度閾值會(huì)導(dǎo)致邊緣模糊的問(wèn)題，但是因?yàn)槠溥^(guò)早的趨于零，所以會(huì)使得擴(kuò)散過(guò)程停

3、止過(guò)早，不能達(dá)到充分去噪的目的。新的梯度閾值函數(shù)會(huì)減緩梯度閾值趨于零的速度，進(jìn)而能夠充分?jǐn)U散去噪。
　　2.為了進(jìn)一步從圖像全局研究分析如何更好的保護(hù)圖像邊緣，本文又分析改進(jìn)了非局部均值去噪方法，改進(jìn)的非局部均值算法融合了圖像結(jié)構(gòu)分析、邊緣檢測(cè)。非局部均值去噪方法的基本思想是在全局范圍尋找相似圖像塊，并通過(guò)計(jì)算圖像塊的相似性來(lái)度量像素點(diǎn)的貢獻(xiàn)權(quán)值，但是圖像平滑區(qū)域和邊緣結(jié)構(gòu)區(qū)域的相似圖像塊大小存有差異，且不同的邊緣之間的相似圖像塊