基于偏微分方程的圖像降噪及質(zhì)量評價研究.pdf

1、圖像降噪是機器視覺和圖像處理領域中的一個重要組成部分，圖像中的噪聲對于后續(xù)圖像分析具有很大影響。本文針對圖像中常見的噪聲類型：高斯噪聲、脈沖噪聲和斑點噪聲進行分析研究，基于偏微分方程(PDE)圖像降噪理論，對于不同類型的噪聲，提出了不同的降噪方法。 ⑴提出了一種采用圖像中全局和局部信息相結合的信息來控制非線性擴散方程的方法。結合全局和局部信息的方法能自適應區(qū)分圖像中的邊緣、噪聲點和平坦區(qū)域，從而克服了傳統(tǒng)非線性擴散方法中僅用局部

2、梯度信息來區(qū)分圖像邊緣和噪聲點的不足。本文提出的非線性擴散方法和傳統(tǒng)非線性擴散方法的對比實驗表明本文方法具有很強的魯棒性，處理后的圖像質(zhì)量明顯提高。 ⑵針對脈沖噪聲，提出了一種基于兩階段的脈沖噪聲濾除算法。在算法的第一階段，提出一種列隊差異增強噪聲檢測器來檢測圖像中所有可能的脈沖噪聲點。在算法的第二階段，對所有的噪聲候選點進行自適應中值濾波，濾波窗口的大小根據(jù)噪聲密度自適應調(diào)整，濾波窗口中的中值操作像素點根據(jù)元素屬性自適應選擇。

3、該算法能對圖像的邊緣、細節(jié)部分和非噪聲點進行保護。在此基礎上，本文將這種自適應算法的思想應用于變分降噪的算法中，提出了自適應變分算法。實驗表明，自適應變分算法在濾除脈沖噪聲的同時可以有效地保護圖像細節(jié)，尤其是在噪聲密度大的情況下，去除脈沖噪聲的效率得到了很大提高。 ⑶提出了一種將圖像分解和幾何分析相結合的算法來去除超聲圖像中的斑點噪聲。針對超聲圖像中斑點噪聲為乘性噪聲這一特性，將經(jīng)典的ROF圖像分解模型引入到適合于受乘性噪聲污染

4、的圖像分解。超聲圖像經(jīng)此模型分解成輪廓部分、細節(jié)部分和噪聲部分，然后對分解后的差值圖像進行Ridgelet降噪，由于Ridgelet降噪克服傳統(tǒng)小波分析方向性上的不敏感的缺點，因此該方法能很好地保持圖像邊緣。本文算法處理后得到的圖像無論是在斑點噪聲去除方面還是細節(jié)保護方面都要優(yōu)于傳統(tǒng)的非線性濾波器和小波分析方法，本文的去斑算法為醫(yī)學圖像的目標分割和三維重建提供了更好的預處理方法。 ⑷研究了圖像質(zhì)量評價的問題。引入了幾個對圖像質(zhì)量