非線性擴(kuò)散和變分模型在圖像去噪中的應(yīng)用.pdf

1、圖像是人們獲取信息的重要渠道。但在圖像的獲取、傳輸、存儲(chǔ)等過程中往往因?yàn)楦鞣N原因而摻雜入噪聲。因此，在進(jìn)一步使用圖像前去除噪聲，提高圖像質(zhì)量成為數(shù)字圖像處理中的重要研究部分。本文對(duì)基于非線性擴(kuò)散和變分方法的圖像降噪技術(shù)進(jìn)行了研究，主要包括以下主要內(nèi)容。對(duì)非線性擴(kuò)散技術(shù)和基于變分方法的圖像降噪技術(shù)的發(fā)展與現(xiàn)狀進(jìn)行了闡述。在非線性擴(kuò)散技術(shù)中，介紹了P-M圖像擴(kuò)散模型和幾種在此基礎(chǔ)上的改進(jìn)方法，分析了這幾種模型的去噪和邊緣保持特點(diǎn)。對(duì)基于變分

2、方法的ROF模型及其改進(jìn)模型進(jìn)行了分析，討論了這些模型的邊緣保持作用。在以上研究的基礎(chǔ)上，本文主要工作如下： 介紹了TV流擴(kuò)散和正、逆向擴(kuò)散技術(shù)和圖像耦合技術(shù)，證明了TV流模型的邊緣擴(kuò)散性質(zhì)，在此基礎(chǔ)上提出了基于TV流的彩色圖像耦合擴(kuò)散模型，將TV流和正、逆向擴(kuò)散技術(shù)運(yùn)用到彩色圖像擴(kuò)散中；通過實(shí)驗(yàn)證明正、逆向擴(kuò)散技術(shù)在矢量圖像擴(kuò)散工作中的作用。 階梯現(xiàn)象是ROF模型的主要不足之一，本文分析了ROF模型產(chǎn)生階梯化現(xiàn)象的原因

3、，研究了Bing Song自適應(yīng)去噪模型的去噪和邊緣保持性質(zhì)，證明了其在不同參數(shù)p下的邊緣擴(kuò)散性質(zhì)；同時(shí)對(duì)Blomgren等人提出的梯度自適應(yīng)改進(jìn)模型進(jìn)行了介紹，分析了改進(jìn)模型的優(yōu)點(diǎn)和不足，提出了基于梯度自適應(yīng)改進(jìn)模型的改進(jìn)函數(shù)，提升了Blomgren模型的邊緣保持能力，使之能夠適應(yīng)各種對(duì)比度的圖像。 通過對(duì)以上方法分別進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明：在彩色圖像中，耦合的TV流擴(kuò)散模型較未耦合模型有更好的去噪及邊緣保持效果，且正逆向擴(kuò)散