自適應(yīng)閾值圖像去噪算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體是基于偏微分方程改進(jìn)的自適應(yīng)閾值圖像去 噪算法。
【背景技術(shù)】
[0002] 圖像平滑和增強(qiáng)是圖像處理中非常重要的內(nèi)容。近年來，基于偏微分方程 (Partialdifferentialequations,PDE)的圖像處理方法在圖像去噪、分割、邊緣檢測(cè)、增 強(qiáng)等方面都取得了很大進(jìn)展。而在基于偏微分方程的圖像處理方法中，各向異性擴(kuò)散由于 其高質(zhì)量的處理結(jié)果而被作為研究重點(diǎn)。
[0003]PDE技術(shù)廣泛應(yīng)用于信號(hào)和圖像處理，但早期主要使用線性擴(kuò)散。這種方法存在 局限性，在圖像處理過程中，局部特征和噪聲會(huì)被一起過濾。自PM算法提出后，各向異性擴(kuò) 散技術(shù)取得了很多有價(jià)值的成果。隨著對(duì)該技術(shù)研究的不斷深入，很多實(shí)驗(yàn)結(jié)果表明，PM 算法存在缺陷：它有時(shí)無法正確地區(qū)分邊緣和噪聲，因而處理小尺度空間的噪聲效果不理 想。

【發(fā)明內(nèi)容】

[0004] 鑒于上述現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種自適應(yīng)閾值圖像去噪算法，以降低 算法復(fù)雜度，提高算法時(shí)效性，提高峰值信噪比。
[0005] 本發(fā)明采用以下技術(shù)方案：自適應(yīng)閾值圖像去噪算法，包括以下步驟，
[0006] 步驟一、將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲； ^I
[0007]步驟二、基于PM算法的擴(kuò)展方程^ ，其擴(kuò)散系數(shù)
【主權(quán)項(xiàng)】
1. 自適應(yīng)閾值圖像去噪算法，其特征在于，包括以下步驟， 步驟一、將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲； 步驟二、基于PM算法的擴(kuò)展方程

構(gòu)建擬合擴(kuò)散系數(shù) ，其 ， 中div、▽分別為散度算子和梯度算子，|VI|為梯度模值，k為梯度閾值，W，H是圖像的灰 度，max{W，H}是圖像的最大灰度值； 步驟三、建立自適應(yīng)閾值，隨著擴(kuò)散時(shí)間和擴(kuò)散次數(shù)的增加，像素點(diǎn)所在區(qū)域的梯度閾 值k不斷減小，令
，擴(kuò)散次數(shù)t為擴(kuò)散時(shí)間，t=n，
步驟四、建立自適應(yīng)閾值圖像去噪算法模型，
步驟五、用半隱式加性算子分裂（AOS)算法對(duì)圖像進(jìn)一步處理，
3) 當(dāng)i= 1，…，M時(shí)，計(jì)算的三個(gè)對(duì)角線上的元素：= ，
4) 當(dāng)j= 1，…，N時(shí)，同樣計(jì)算的三個(gè)對(duì)角線上的元素，求解
上述步驟1)-5)完成一次迭代，重復(fù)多次迭代可得到清晰圖像。
2. 根據(jù)權(quán)利要求1所述的自適應(yīng)閾值圖像去噪算法，其特征在于：所述噪聲圖像為彩 色或黑白圖像。
【專利摘要】本發(fā)明涉及一種自適應(yīng)閾值圖像去噪算法，包括以下步驟，（1）將噪聲圖像進(jìn)行Gauss濾波，去除較大噪聲；（2）構(gòu)建擬合擴(kuò)散系數(shù)；（3）建立自適應(yīng)閾值；（4）建立自適應(yīng)閾值圖像去噪算法模型；（5）用半隱式加性算子分裂（AOS）算法對(duì)圖像進(jìn)一步處理，得到去噪后的圖像。本發(fā)明復(fù)雜度低，時(shí)效性高，去噪后的圖像信噪比與經(jīng)典算法相比提高了15個(gè)dB左右，能有效的保護(hù)圖像的邊緣和紋理等細(xì)節(jié)信息。
【IPC分類】G06T5-00
【公開號(hào)】CN104574295
【申請(qǐng)?zhí)枴緾N201410785308
【發(fā)明人】周先春, 汪美玲, 周林鋒, 石蘭芳
【申請(qǐng)人】南京信息工程大學(xué)
【公開日】2015年4月29日
【申請(qǐng)日】2014年12月16日