改进的各向异性扩散方法在图像去噪中的应用

论文摘要

论文主要研究的是各向异性扩散在图像去噪中的应用。在图像的生成和传输及通信过程中,经常会伴随着各种噪声,这将降低图像的质量,如何有效去噪成为人们研究的课题。近些年来,随着偏微分方程理论成为图像去噪中的一种新工具,逐渐引起了人们的关注。其发展经历了由线性到非线性,及由各向同性扩散到各向异性扩散,由实数域向复数域扩充的过程。本文简要介绍了几种经典的基于偏微分方程的图像去噪模型,主要研究了Weickert的相干增强扩散模型,针对其优缺点分别从预处理和扩散张量的设置方面做了相应的改进,提出两种不同的各向异性扩散去噪方法,并用Matlab7.0做了仿真实验。一种是基于图像特征的各向异性扩散方法,该方法首先用维纳滤波器对图像做预处理,再利用图像相干性判断图像特征,并设置相应区域扩散张量的特征值；另一种方法首先利用形态学闭开算子做图像预处理,然后结合二阶方向导数设计结构张量,且依据自适应的梯度阈值设计扩散张量的特征值。实验结果表明,改进后的两种方法均继承了相干增强扩散模型的优点：在消除噪声和保护边缘方面取得了较好的效果,且很好地克服了其在光滑区域产生虚假边缘的缺点,取得了较好的图像去噪效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景与意义
• 1.2 课题的研究现状与发展
• 1.3 一些常用符号及说明
• 1.4 本文主要内容安排
• 第二章 图像处理基本知识及数学模型
• 2.1 图像基本知识
• 2.1.1 图像概述
• 2.1.2 图像分类
• 2.2 灰度图像的离散模型及其存储模型
• 2.3 噪声分类
• 2.4 常用去噪方法
• 2.5 图像去噪评价标准
• 2.6 数学形态学简介
• 2.6.1 形态学预备知识
• 2.6.2 二值图像基本形态学算子
• 2.6.3 灰度图像基本形态学算子
• 第三章 偏微分方程图像去噪模型
• 3.1 热传导方程（各向同性扩散）
• 3.2 P-M模型
• 3.3 CLMC模型
• 3.4 Weickert扩散张量模型
• 3.4.1 边缘增强扩散
• 3.4.2 相干增强扩散
• 3.5 其他模型
• 3.5.1 ROF变分偏微分模型
• 3.5.2 复扩散模型与前向-后向扩散模型
• 3.5.3 高阶偏微分方程模型
• 第四章 基于图像特征的各向异性去噪方法
• 4.1 图像预处理的改进
• 4.2 采用相干性判断图像特征
• 4.3 构造扩散张量的特征值
• 4.4 算法设计及实验结果
• 4.4.1 算法设计
• 4.4.2 实验结果
• 4.5 本章小结
• 第五章 基于形态学算子的各向异性去噪方法
• 5.1 用形态学闭开算子做图像预处理
• 5.2 局部结构张量的设计
• 5.3 构造新的扩散张量
• 5.3.1 梯度阈值的选取
• 5.3.2 新的扩散张量的设计
• 5.4 实验结果及分析
• 5.5 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 附录A 攻读硕士期间发表论文目录