曲率差分驱动的极小曲面滤波器

发布时间：2020-12-12 19:32

　　为提高全变分图像降噪模型的降噪性能和边缘保持性能,该文提出一种曲率差分驱动的极小曲面滤波器。首先,在平均曲率滤波器模型基础上,引入自适应曲率差分边缘探测函数,建立曲率差分驱动的极小曲面滤波器模型;接着,从微分几何理论角度,阐述该能量泛函模型的物理意义和平均曲率能量减小方法;最后,在离散的图像域,通过迭代的方式使图像每个像素邻域内的曲面向极小曲面迭代进化,实现能量泛函的平均曲率能量极小化,从而能量泛函的总能量也完成极小化。实验表明,该滤波器不仅能去除高斯噪声、椒盐噪声,还能去除这两类噪声构成的混合噪声,其降噪性能和边缘保持性能优于同类型的其他5种全变分算法。 

【文章来源】：电子与信息学报. 2020年03期 北大核心

【文章页数】：8 页

【部分图文】：

图像域Ω分解方法

2中，白色圆点代表位置，蓝色点表示形成三角形平面的3个点，黑色线表示连接关系，图2(j)红色点表示不能构成平面的组合关系，共有4种。图2(a),2(b),2(e),2(h),2(i)连接关系能形成4个三角形平面，图2(c),2(d),2(f),2(g)能形成8个三角形平面。根据三角形与的空间位置关系，计算到这些平面的有向距离(有正负)，根据确定灰度值进化的目标平面。ui,jdkui,j利用对应灰度值到三角形质心点的向量近似，如图3所示。对应灰度值向XOY平面投图1图像域Ω分解方法图2uij邻域内3点的组合关系766电子与信息学报第42卷

?28个三角形按式(12)计算，找出对应的，按式(15)迭代更新，算法伪代码如下：MSF算法伪代码：Φ(Ki,j计算)u(i,j)∈W_C子域：dk子程序1：计算,k=1,2,···,32|Dm|=min|dk找出满足：|,k=1,2,···,32Dm的u(i,j)=u(i,j)+Φ(Ki,j)·Dm更新u(i,j)∈W_S子域：调用：子程序1u(i,j)∈B_c子域：调用：子程序1u(i,j)∈B_S子域：调用：子程序1输出：u(i,j)∈图3dk的近似求解方法第3期王满利等：曲率差分驱动的极小曲面滤波器767

【参考文献】：
期刊论文
[1]自适应Split Bregman迭代的红外图像降噪算法[J]. 王宇,汤心溢,罗易雪,王世勇.  红外与毫米波学报. 2014(05)
[2]基于能量泛函和视觉特性的全变分图像降噪模型[J]. 郭从洲,秦志远,时文俊.  中国图象图形学报. 2014(09)



本文编号：2913154