基于圖上正則化的圖像擴(kuò)散去噪算法研究.pdf

1、圖像去噪是數(shù)字圖像處理中的經(jīng)典問題。各向異性擴(kuò)散模型也稱為P-M模型，是典型的基于偏微分方程的圖像去噪方法。其思想是通過可以表征邊緣的圖像梯度來控制擴(kuò)散平滑程度，因此這是一種非線性的自適應(yīng)去噪方法。P-M擴(kuò)散過程是不適定的，因此需要通過正則化的方法將不適定問題轉(zhuǎn)化為適定問題加以解決。當(dāng)圖像定義在連續(xù)空間上時(shí)，很難達(dá)到算法執(zhí)行快速、精確、數(shù)值穩(wěn)定的要求。引入圖論之后，可以用任意圖結(jié)構(gòu)表示圖像，圖的邊的權(quán)重使得基于擴(kuò)散的去噪具有一定的自適應(yīng)

2、性能。在基于正則化的圖像去噪過程中，既要保持邊界，又要去除噪聲，這是一對(duì)矛盾。全局正則化方法在整幅圖像中只采用一個(gè)正則化參數(shù)和正則化算子，其對(duì)于邊界和噪聲的懲罰是一樣的，因此無法解決以上矛盾。雖然圖論的引入使得全局正則化方法具有一定的自適應(yīng)性能，但由于全局的正則化參數(shù)，算法仍然表現(xiàn)出了其局限性。
　　 相對(duì)于全局正則化方法，自適應(yīng)正則化方法在不同的局部區(qū)域能夠選取不同的正則化參數(shù)和正則化約束，因而能夠靈活的對(duì)邊界和噪聲進(jìn)行區(qū)別處

3、理。本論文針對(duì)全局正則化方法的不足，結(jié)合圖論，提出了一種基于圖上自適應(yīng)正則化的擴(kuò)散去噪模型。該模型利用圖上的梯度判斷圖像的邊界區(qū)域，自適應(yīng)地設(shè)置正則化參數(shù)，并根據(jù)該參數(shù)對(duì)邊界和非邊界區(qū)域采用不同的懲罰，以取得不同的處理效果，該模型可以解決保持邊界和去除噪聲的矛盾。
　　 通過將本文提出的模型與其他一些去噪模型用于去除圖像中的高斯噪聲，并對(duì)比分析，結(jié)果顯示本文提出的模型在主觀性能和客觀性能上，在保持邊緣和去除噪聲的綜合性能上，均超