基于邊緣檢測(cè)算子的混合自適應(yīng)圖像去噪方法
【專利摘要】本發(fā)明涉及基于邊緣檢測(cè)算子的混合自適應(yīng)圖像去噪方法，包括以下步驟，步驟一、將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲；步驟二、建立平均曲率擴(kuò)散算法的局部坐標(biāo)模型；步驟三、建立自適應(yīng)混合去噪模型；步驟四、用半隱式加性算子分裂（AOS）數(shù)值算法對(duì)步驟三的圖像進(jìn)一步處理。本發(fā)明用局部坐標(biāo)二次微分這種邊緣檢測(cè)算子代替梯度算子，自適應(yīng)的控制整個(gè)擴(kuò)散過(guò)程，方法簡(jiǎn)單；結(jié)合兩種算法的優(yōu)缺點(diǎn)，取長(zhǎng)補(bǔ)短，復(fù)雜度低，降低了處理時(shí)間；圖像的峰值信噪比大幅提高，受噪聲污染的圖像處理后更加清晰。
【專利說(shuō)明】基于邊緣檢測(cè)算子的混合自適應(yīng)圖像去噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及偏微分方程的圖像去噪方法，特別是將PM算法和平均曲率擴(kuò)散算法 混合的自適應(yīng)圖像去噪方法。

【背景技術(shù)】
[0002] 數(shù)字圖像是許多學(xué)科領(lǐng)域獲取信息的來(lái)源，但圖像在采集過(guò)程中往往會(huì)因?yàn)楦鞣?面原因引入噪聲。因此，在圖像處理和計(jì)算機(jī)領(lǐng)域，圖像去噪是最基本的問(wèn)題之一。近幾十 年，偏微分方程（PDE)方法開(kāi)始大量應(yīng)用于圖像處理，在圖像的去噪、分割、邊緣檢測(cè)、增強(qiáng) 等方面的研究取得了很大進(jìn)展。
[0003] 傳統(tǒng)的PM方法，去噪過(guò)程中會(huì)破壞局部特征，保邊緣性不是很好。隨后又出現(xiàn)了 平均曲率擴(kuò)散方法（Mean Curvature Diffusion，MCD)，能較好的保護(hù)圖像的局部特征，但 去噪能力不強(qiáng)。梯度作為圖像的邊緣檢測(cè)算子，不完全符合圖像處理的形態(tài)學(xué)原則。


【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中存在的不足之處，本發(fā)明目的是提供一種圖像去噪方法，可以綜 合PM算法和MCD算法的優(yōu)點(diǎn)，不僅可以有效去除噪聲，還能很好地保護(hù)圖像的邊緣和局部 特征，處理出比單一算法更加清晰的圖像。
[0005] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用以下技術(shù)方案：基于邊緣檢測(cè)算子的混合自適 應(yīng)圖像去噪方法，其特征在于，包括以下步驟：
[0006] 步驟一、將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲；
[0007] 步驟二、建立平均曲率擴(kuò)散算法的局部坐標(biāo)模型，
[0008] (1)將基于傳統(tǒng)PM算法的擴(kuò)散方程以局部坐標(biāo)形式表示為

【權(quán)利要求】
1.基于邊緣檢測(cè)算子的混合自適應(yīng)圖像去噪方法，其特征在于，包括以下步驟， 步驟一、將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲； 步驟二、建立平均曲率擴(kuò)散算法的局部坐標(biāo)模型， (1) 將基于傳統(tǒng)PM算法的擴(kuò)散方程以局部坐標(biāo)形式表示為
，其中|W|為梯度模值，為擴(kuò)散系 數(shù)，Π 為圖像的梯度方向；ε為垂直于梯度的方向，？7 =

(2) 基于平均曲率擴(kuò)散算法的局部坐標(biāo)表示為
將各項(xiàng)同性的線性擴(kuò)散變?yōu)楦黜?xiàng)同性的非線性擴(kuò)散，并沿圖像邊緣方向擴(kuò)散； 步驟三、建立自適應(yīng)混合去噪模型， (1) 將PM算法和平均曲率擴(kuò)散算法結(jié)合，得到的擴(kuò)散方程
其中特征函I，H為圖像像素； I. ^ }
Z, (2) 采用新的邊緣檢測(cè)算子
：替上述特征函數(shù)中的梯度算子|v/|，擴(kuò)散方程 變?yōu)?br> 在圖像邊緣處，Inn較大，I E E較小，所以D較小，X(D)趨近于0,此時(shí)為平均曲率擴(kuò)散 算法；在圖像平坦區(qū)域和灰度漸變區(qū)域，In n與I "大小相當(dāng)，且較大，所以D較大，X(D)趨 近于1，此時(shí)為PM算法；在圖像平坦區(qū)域的大梯度噪聲點(diǎn)處，In ,與I "大小相當(dāng)，均較小， 所以D較大，X⑶趨近于1，此時(shí)為PM算法； 步驟四、用半隱式加性算子分裂（AOS)數(shù)值算法對(duì)步驟三的圖像進(jìn)一步處理。
2.根據(jù)權(quán)利要求1所述的基于邊緣檢測(cè)算子的混合自適應(yīng)圖像去噪方法，其特征在 于，所述步驟四的半隱式加性算子分裂算法過(guò)程如下， 1) 令 Λ.二 2) 計(jì)算 f。= f*G。，III"' IDlij, '<=1(/_%(吟4) + 7(0)'以 3) 當(dāng)i = 1，…，M時(shí)，計(jì)算(J-2r4:,)的三個(gè)對(duì)角線上的元素：= …，M， (妒，左= 1,·_·,7ν-1)，(#,灸= 2，···，#),并采用追趕法求解(/-2Γ4')，?Γ1=/?;,得到/廣1; 4) 當(dāng)j = 1，···，Ν時(shí)，同樣計(jì)算￠/-的三個(gè)對(duì)角線上的元素，并采用追趕法求解 (/- 5) 計(jì)算/"+1=0廣+/21; 6) 重復(fù)1)?5)，經(jīng)多次迭代得到清晰的圖像。
【文檔編號(hào)】G06T5/00GK104517266SQ201410801885
【公開(kāi)日】2015年4月15日 申請(qǐng)日期:2014年12月22日 優(yōu)先權(quán)日:2014年12月22日
【發(fā)明者】周先春, 汪美玲, 石蘭芳, 周林鋒, 吳琴 申請(qǐng)人:南京信息工程大學(xué)