基于扩散张量的图像混合去噪方法作者：陈龙来源：《价值工程》2015年第09期 摘要： 图像去噪过程中，主要目的是有效去除噪声的同时能较好地保存图像的边缘与细节。基于此，本文根据自蛇模型与相干增强扩散的特征，提出了相应的混合去噪方法，并加入了保真项。实验结果表明该方法能有效去除图像噪声，同时对边缘信息的保留也较好。 关键词： 图像去噪；扩散张量；自蛇模型；各向异性扩散
中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2015空调控制系统）09-0325-03
肩垫 0 引言
nfj防静电不发火图像是当今世界人类获取信息的重要来源，干净、清晰的图像显得尤为重要，但图像在形成或获取的过程中很容易受到周围环境的影响，比如光照、震动会使图像产生噪点进而影响了图像的整体质量。同时图像处理已形成了工程的概念，而图像去噪便是其中最基本的处理环节，去噪图像的质量关系到后期研究工作的好坏。图像去噪已有几十年的历史，其中也
金刚石研磨膏
产生了很多的去噪方法[1]刷毛辊这些方法的共同特点在于对高频区域进行处理，这显然会造成图像细节信息的模糊与丢失。
图像处理的偏微分方法的提出让图像处理领域有了新的突破口，因其具有局部自适应性得到了广泛应用。相较于各向同性滤波对图像平滑区域和边缘区域以相同的扩散速度对图像进行滤波，在一定程度上消除了噪声，但图像重要的边缘信息被模糊，甚至是完全丢失不利于后期处理。1990年，Perona和Malik[1]首次提出了保护边缘的非线性各向异性扩散模型，它对图像去噪效果有了很大的改善。J.Weickert模型是在P-M模型的基础上发展的，它利用图像的局部结构张量刻画图像的特征，构造出扩散方向以及扩散速度，取得了很好的去噪效果。但结构张量与局部梯度有关，局部梯度不能很好地刻画弱边缘等细节。另一种非线性滤波方法为自蛇模型，它与方向扩散类似，扩散沿着平行于边缘的切线方向进行，这一行为有助于保护图像细节特征，同时该模型带有对图像增强功能的冲击滤波器，但它也存在一些问题。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议