基于邊緣保持的圖像去噪算法.pdf

1、圖像去噪是數(shù)字圖像處理領(lǐng)域中的一個重要分支，吸引了眾多研究者對其進行不斷地探索與研究，并相繼提出了許多非常優(yōu)秀圖像去噪算法，如局部鄰域均值去噪方法、基于偏微分方程的去噪方法、非局部均值算法、稀疏表示去噪方法等。這些算法均具有非常好的圖像去噪效果，但是卻會或多或少的丟失圖像邊緣信息或是出現(xiàn)偽紋理現(xiàn)象。針對此問題，本文基于已有的圖像去噪理論知識，以保持圖像邊緣、消除偽紋理為線索，分別對基于圖像局部特征的偏微分方法、非局部均值方法及稀疏表示方

2、法三種圖像去噪算法進行研究、分析、改進，使得改進后的算法在去除噪聲的同時也能夠較好的保留圖像邊緣。本文的主要工作成果及創(chuàng)新點如下：
　　1.對偏微分去噪方法中用于判斷平坦部分和邊緣部分的梯度閾值進行改進，設(shè)計了一個新的基于擴散次數(shù)的梯度閾值函數(shù)。新的函數(shù)是反比例形式的函數(shù)，改善了原來指數(shù)形式的梯度閾值函數(shù)過早趨于零的問題。雖然指數(shù)形式的梯度閾值函數(shù)解決了固定梯度閾值會導致邊緣模糊的問題，但是因為其過早的趨于零，所以會使得擴散過程停

3、止過早，不能達到充分去噪的目的。新的梯度閾值函數(shù)會減緩梯度閾值趨于零的速度，進而能夠充分擴散去噪。
　　2.為了進一步從圖像全局研究分析如何更好的保護圖像邊緣，本文又分析改進了非局部均值去噪方法，改進的非局部均值算法融合了圖像結(jié)構(gòu)分析、邊緣檢測。非局部均值去噪方法的基本思想是在全局范圍尋找相似圖像塊，并通過計算圖像塊的相似性來度量像素點的貢獻權(quán)值，但是圖像平滑區(qū)域和邊緣結(jié)構(gòu)區(qū)域的相似圖像塊大小存有差異，且不同的邊緣之間的相似圖像塊