基于边缘检测算子的混合自适应图像去噪方法
【专利摘要】本发明涉及基于边缘检测算子的混合自适应图像去噪方法，包括以下步骤，步骤一、将噪声图像进行Gauss滤波，去除较大噪声；步骤二、建立平均曲率扩散算法的局部坐标模型；步骤三、建立自适应混合去噪模型；步骤四、用半隐式加性算子分裂（AOS）数值算法对步骤三的图像进一步处理。本发明用局部坐标二次微分这种边缘检测算子代替梯度算子，自适应的控制整个扩散过程，方法简单；结合两种算法的优缺点，取长补短，复杂度低，降低了处理时间；图像的峰值信噪比大幅提高，受噪声污染的图像处理后更加清晰。
【专利说明】基于边缘检测算子的混合自适应图像去噪方法
【技术领域】
[0001] 本发明涉及偏微分方程的图像去噪方法，特别是将PM算法和平均曲率扩散算法 混合的自适应图像去噪方法。
【背景技术】
[0002] 数字图像是许多学科领域获取信息的来源，但图像在采集过程中往往会因为各方 面原因引入噪声。因此，在图像处理和计算机领域，图像去噪是最基本的问题之一。近几十 年，偏微分方程（PDE)方法开始大量应用于图像处理，在图像的去噪、分割、边缘检测、增强 等方面的研究取得了很大进展。
[0003] 传统的PM方法，去噪过程中会破坏局部特征，保边缘性不是很好。随后又出现了 平均曲率扩散方法（Mean Curvature Diffusion，MCD)，能较好的保护图像的局部特征，但 去噪能力不强。梯度作为图像的边缘检测算子，不完全符合图像处理的形态学原则。
【发明内容】
[0004] 针对现有技术中存在的不足之处，本发明目的是提供一种图像去噪方法，可以综 合PM算法和MCD算法的优点，不仅可以有效去除噪声，还能很好地保护图像的边缘和局部 特征，处理出比单一算法更加清晰的图像。
[0005] 为解决上述技术问题，本发明采用以下技术方案：基于边缘检测算子的混合自适 应图像去噪方法，其特征在于，包括以下步骤：
[0006] 步骤一、将噪声图像进行Gauss滤波，去除较大噪声；
[0007] 步骤二、建立平均曲率扩散算法的局部坐标模型，
[0008] (1)将基于传统PM算法的扩散方程以局部坐标形式表示为
【权利要求】
1.基于边缘检测算子的混合自适应图像去噪方法，其特征在于，包括以下步骤， 步骤一、将噪声图像进行Gauss滤波，去除较大噪声； 步骤二、建立平均曲率扩散算法的局部坐标模型， (1) 将基于传统PM算法的扩散方程以局部坐标形式表示为
，其中|W|为梯度模值，为扩散系 数，Π 为图像的梯度方向；ε为垂直于梯度的方向，？7 =
(2) 基于平均曲率扩散算法的局部坐标表示为
将各项同性的线性扩散变为各项同性的非线性扩散，并沿图像边缘方向扩散； 步骤三、建立自适应混合去噪模型， (1) 将PM算法和平均曲率扩散算法结合，得到的扩散方程
其中特征函I，H为图像像素； I. ^ }
Z, (2) 采用新的边缘检测算子
：替上述特征函数中的梯度算子|v/|，扩散方程 变为
在图像边缘处，Inn较大，I E E较小，所以D较小，X(D)趋近于0,此时为平均曲率扩散 算法；在图像平坦区域和灰度渐变区域，In n与I "大小相当，且较大，所以D较大，X(D)趋 近于1，此时为PM算法；在图像平坦区域的大梯度噪声点处，In ,与I "大小相当，均较小， 所以D较大，X⑶趋近于1，此时为PM算法； 步骤四、用半隐式加性算子分裂（AOS)数值算法对步骤三的图像进一步处理。
2.根据权利要求1所述的基于边缘检测算子的混合自适应图像去噪方法，其特征在 于，所述步骤四的半隐式加性算子分裂算法过程如下， 1) 令 Λ.二 2) 计算 f。= f*G。，III"' IDlij, '<=1(/_%(吟4) + 7(0)'以 3) 当i = 1，…，M时，计算(J-2r4:,)的三个对角线上的元素：= …，M， (妒，左= 1,·_·,7ν-1)，(#,灸= 2，···，#),并采用追赶法求解(/-2Γ4')，?Γ1=/?;,得到/广1; 4) 当j = 1，···，Ν时，同样计算￠/-的三个对角线上的元素，并采用追赶法求解 (/- 5) 计算/"+1=0广+/21; 6) 重复1)?5)，经多次迭代得到清晰的图像。
【文档编号】G06T5/00GK104517266SQ201410801885
【公开日】2015年4月15日 申请日期:2014年12月22日 优先权日:2014年12月22日
【发明者】周先春, 汪美玲, 石兰芳, 周林锋, 吴琴 申请人:南京信息工程大学