一種基于梯度保真項的正則化P-M圖像去噪方法.pdf

1、隨著計算機處理能力的增強和信息社會對多媒體信息處理要求的增加，圖像處理己成為一個相當(dāng)活躍的研究領(lǐng)域。圖像的去噪就是要改善圖像的質(zhì)量，使之更適合于實際的應(yīng)用需求，因此具有較高的研究價值。
　　 本文主要研究了在偏微分方程理論框架下圖像去噪的方法，特別是在低階非線性擴散模型中引入梯度保真項的方法。
　　 首先介紹了選題的背景和圖像去噪的意義，闡述了基于偏微分方程圖像去噪的國內(nèi)外研究現(xiàn)狀；然后討論了兩類擴散去噪模型：各向同性擴

2、散模型和各向異性擴散模型。
　　 重點研究了經(jīng)典的P-M去噪模型，通過對P-M方程行為進行分析，指出了P-M去噪模型的優(yōu)勢和不足之處，并分析了P-M方程的“病態(tài)性”和易產(chǎn)生“階梯效應(yīng)”的原因，引入了一種消除P-M方法“病態(tài)性”的正則化P-M模型，并做了實驗分析；最后介紹了常用的處理“階梯效應(yīng)”的高階偏微分去噪方法，指出了高階去噪方法的不足之處。通過考慮去噪前后圖像之間在灰度強度和灰度變化信息的相似度，引入了梯度保真約束模型。證明

3、了該約束泛函是一個凸函數(shù)，并且該約束泛函在有界變差函數(shù)空間中可積，這從理論上保證了它能夠更好地保持圖像邊緣信息。
　　 本文將梯度保真項與P-M模型相結(jié)合，在正則化P-M模型中引入梯度保真項，給出了一種基于梯度保真項的低階擴散去噪模型。通過實驗驗證，引入了約束保真項的去噪模型可以明顯改善“階梯效應(yīng)”的產(chǎn)生，解決了原有模型易產(chǎn)生分段常量結(jié)果的不足；
　　 而且，相對于高階擴散去噪方法，具有較低階的偏導(dǎo)數(shù)，使得新方法數(shù)值求解