改进的各向异性扩散图像去噪模型

摘要

图像去噪是图像处理中非常重要的部分,其目的就是希望尽可能地减少图像的噪声,同时尽可能多地保留图像原有信息。传统的图像去噪方法有很多,如高斯滤波、中值滤波、均值滤波等,但是传统滤波容易在噪声平滑过程中丢失掉边缘。基于PDE的各向异性扩散去噪方法为解决这一矛盾提供了新方法。
　　本文在分析各向异性扩散方程中扩散系数行为的基础上,改进了传统模型中的扩散系数。由于仅靠梯度不能很好地区分边缘点,故改进模型在扩散系数函数中引入二阶导数 xxyyu、u,利用二阶导数锐化边缘;此外,改进模型针对不同的梯度范围采取程度不同的扩散行为,这样不仅能够有效地保护边缘,而且还能够避免小尺度噪声敏感及细节失真的问题。本文将改进的扩散系数应用到各向异性扩散C模型和各向异性扩散张量Wieckert模型中,分别改进了C模型和Wieckert模型。利用相关系数函数评判去噪效果,实验结果表明,改进模型无论在去噪效果还是在去噪时间上都有很有优势。