基于偏微分方程的圖像降噪及質(zhì)量評(píng)價(jià)研究.pdf

1、圖像降噪是機(jī)器視覺和圖像處理領(lǐng)域中的一個(gè)重要組成部分，圖像中的噪聲對(duì)于后續(xù)圖像分析具有很大影響。本文針對(duì)圖像中常見的噪聲類型：高斯噪聲、脈沖噪聲和斑點(diǎn)噪聲進(jìn)行分析研究，基于偏微分方程(PDE)圖像降噪理論，對(duì)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(jié)合的信息來控制非線性擴(kuò)散方程的方法。結(jié)合全局和局部信息的方法能自適應(yīng)區(qū)分圖像中的邊緣、噪聲點(diǎn)和平坦區(qū)域，從而克服了傳統(tǒng)非線性擴(kuò)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(diǎn)的不足。本文提出的非線性擴(kuò)散方法和傳統(tǒng)非線性擴(kuò)散方法的對(duì)比實(shí)驗(yàn)表明本文方法具有很強(qiáng)的魯棒性，處理后的圖像質(zhì)量明顯提高。 ⑵針對(duì)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(duì)差異增強(qiáng)噪聲檢測(cè)器來檢測(cè)圖像中所有可能的脈沖噪聲點(diǎn)。在算法的第二階段，對(duì)所有的噪聲候選點(diǎn)進(jìn)行自適應(yīng)中值濾波，濾波窗口的大小根據(jù)噪聲密度自適應(yīng)調(diào)整，濾波窗口中的中值操作像素點(diǎn)根據(jù)元素屬性自適應(yīng)選擇。

3、該算法能對(duì)圖像的邊緣、細(xì)節(jié)部分和非噪聲點(diǎn)進(jìn)行保護(hù)。在此基礎(chǔ)上，本文將這種自適應(yīng)算法的思想應(yīng)用于變分降噪的算法中，提出了自適應(yīng)變分算法。實(shí)驗(yàn)表明，自適應(yīng)變分算法在濾除脈沖噪聲的同時(shí)可以有效地保護(hù)圖像細(xì)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(jié)合的算法來去除超聲圖像中的斑點(diǎn)噪聲。針對(duì)超聲圖像中斑點(diǎn)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(xì)節(jié)部分和噪聲部分，然后對(duì)分解后的差值圖像進(jìn)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(diǎn)，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(diǎn)噪聲去除方面還是細(xì)節(jié)保護(hù)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(xué)圖像的目標(biāo)分割和三維重建提供了更好的預(yù)處理方法。 ⑷研究了圖像質(zhì)量評(píng)價(jià)的問題。引入了幾個(gè)對(duì)圖像質(zhì)量