基于變分法的椒鹽噪聲圖像恢復模型算法.pdf

1、在現(xiàn)實生活中圖像由于種種原因被加入大量噪聲，不僅嚴重影響了圖像的視覺效果，同時也給以后的圖像分析和處理帶來一定的困難，因此在圖像預處理中圖像去噪是非常重要的環(huán)節(jié)。平滑去噪質量的好壞直接影響到后續(xù)處理。 傳統(tǒng)的圖像去噪算法如均值濾波、中值濾波、高斯濾波等，由于不考慮圖像的形狀特征，其平滑結果等價于傳導系數(shù)為常數(shù)的熱擴散方程，屬于各向同性擴散，所以在去噪的同時也模糊甚至破壞了圖像的邊緣。而基于偏微分方程的圖像平滑技術恰好能解決這一問

2、題。在平滑的過程中，同時檢測圖像特征強弱及其方向，其平滑結果較好兼顧了噪聲消除和特征保持，是一種較好的圖像平滑技術。與熱擴散模型相比較，各向異性擴散模型實際是一個非線性拋物型的偏微分方程，由圖像梯度決定其擴散速度，能夠兼顧了噪聲消除和特征保持兩方面。以Perona-Malik模型為代表的這類方法已經(jīng)在邊緣檢測、圖像增強、圖像分割以及目標識別等領域得到了廣泛的應用。 基于變分法的圖像去噪是偏微分方程應用的另一分支，它有很強的理論基

3、礎和成熟的數(shù)值解法。用于圖像去噪的變分模型很多，適當?shù)倪x取模型的正則化函數(shù)能夠提高圖像恢復的質量。l 992年Rudin，Osher，和Fatemi等人提出的全變分模型(TV)是變分法中的一個經(jīng)典模型，全變分模型(TV)用于圖像恢復時能夠很好的保持圖像邊緣，是目前為止保持邊緣圖像恢復問題中比較成功的方法。但是全變分模型(TV)不能很好的解決椒鹽噪聲問題，去除椒鹽噪聲時不但不能去除反而有擴大噪聲的趨勢。本文提出了一種新的模型算法，根據(jù)椒鹽