基于非线性扩散滤波结构信息的图像去噪方法研究

摘要

数字图像作为一种重要的信息传输手段，已经成为当前时代不可或缺的信息来源。然而在图像的产生，传输和接收过程中，不可避免的会受到噪声的影响，造成图像模糊、失真、有明显的噪声点而影响图像的质量，妨碍对图像的后续分析处理。因此，提高图像质量去除噪声，维持图像固有特征就成为数字图像处理了最基本与必要的要求，具有重要的理论意义与实际价值。
　　近几年来，由于基于偏微分方程(PDE)的方法在图像处理上的应用越来越广泛，其理论方面也多有发展，越来越多的改进和创新方法进入人们的视野，服务于实际应用与理论教学。本文在讨论利用偏微分方程方法去噪理论的同时，着重研究如何更加准确，高效地降低图像的噪声，提高图像质量，满足实际应用上后续处理的需要。PDE当中的扩散项是去噪理论中的关键部分，它控制着扩散的幅度与速度，对于扩散项的研究是该课题的核心内容。梯度保真项是为确定图像在处理前后灰度相差不大，不会出现假边界的重要保证，它可以结合已有的扩散项对图像进行去噪处理，最终完成图像预处理中的去噪声步骤。论文的主要工作包括以下内容:
　　(1)深入研究了基于非线性扩散滤波结构信息的图像去噪方法，提出了适用更多角度边界的图像去噪模型，研究了该去噪模型的去噪性能及优化方法。通过实验证明该模型可以保留与原有方法相比更多的边界，得到更高质量的图像用于后续处理。
　　(2)结合之前的研究提出一种由结构信息确定指数的自适应梯度保真项，并结合已有的扩散项提出新的去噪模型。该模型可以在有效去除噪声的同时保护更多的细节信息，预防阶梯效应，获得较高质量的处理结果。

目录

声明

摘要

第一章 绪论

1．1 研究的背景意义

1．2 图像去噪方法

1．3 图像去噪效果的评价方法

1．4 本文的研究内容及主要工作

第二章 基于偏微分方程的图像去噪

2．1 尺度空间

2．2 基于偏微分方程去噪的物理学解释

2．3 常用模型及其性质

2．4 本章小结

第三章 基于非线性扩散滤波结构信息的图像去噪方法

3．1 引言

3．2 传统及适应八方向边界的去噪方法

3．3 适应多角度边界的去噪方法

3．4 实验结果与分析

3．5 本章小结

第四章 基于结构信息的指数自适应梯度保真项的构造

4．1 引言

4．2 改进扩散项预防阶梯效应

4．3 耦合梯度保真项预防阶梯效应及其改进

4．4 指数自适应梯度保真项

4．5 实验结果与分析

4．6 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

作者简介

致谢