混合维纳滤波与改进型TV的图像去噪模型

发布时间：2019-08-11 16:59

【摘要】：在图像去噪处理过程中,为了保持图像的边缘及内部纹理信息,提出一种基于全变差改进的加权维纳滤波图像去噪模型。提出的模型利用加权项将维纳滤波与改进后的全变差模型相结合,通过构建新算子建立新的扩散模型使得图像每一个像素点的梯度信息可以自适应地选择去噪的最佳模式来平滑噪声图像,既能够在保护边缘的条件下预先处理高斯噪声,同时可以克服全变差模型的"阶梯效应"。结果表明,新模型不仅能够有效去除噪声,强化边缘还有效地保证了边缘结构的细节信息。在峰值信号噪声比测试中,该模型较之于传统线性滤波法的信噪比提高了20 d B左右,均方差也大幅降低,更具理想性。
【图文】：

理想，而全变差模型虽不能很好地保护边缘结构信息，但是去噪效果远远优于维纳滤波法。为了得到更好去噪效果，考虑将维纳滤波方法与NATV去噪模型混合。引入一个权重参数α(0＜α＜1)以使得维纳滤波与TV模型在去噪过程中充分发挥其优势，平衡两项作用。表达式如下:I0混=αWinerI()0+1－()αNATVI()0(22)式中:Wiener表示维纳滤波模型，NATV则表示本文提出的改进后的自适应全变差模型。由上式可知，在比较各个模型去噪性能之前必须先确定α值。由于在不同的噪声水平下，最优的加权值α也是不同的，图1显示为图像质量结构相似比值(SSIM)在不同噪声水平下的最优加权值。从图像中可以得出Lena图像(512×512)在方差为5时，最高SSIM值所对应的最优加权值α为0．08，方差为10时，SSIM最高值所对应的最优加权值α为0.32，方差为20时SSIM最高值所对应的最优加权值α为0.48，在方差为40是SSIM最高值所对应的最优加权值α为0．38。若本文在接下来的去噪模型对比试验中均使用方差为20的高斯噪声，加权值α为0．48进行试验。图1α在不同噪声方差下的最优选择Fig．1Optimalselectionofαindefferentvarianceofnoise4实验结果验证与分析为了验证模型的可行性，利用MATLAB仿真软件进行噪声去除分析．本文通过比较与原图比较的SSIM值，MSE和峰值信噪比(PSNＲ)来评价算法的有效性［15］。MSE=1W×H∑Wi=1∑Hj=1［Ii，()j－I0i，()j］2(23)PSNＲ=10log102552MSE(24)图像的分辨率为W×H，I表示去噪后图像，I0表示初始图像。MSE值越小越好，，而PSNＲ则为越大越好。分别对自然图像Lena(512×512)和Dxy图像(512×512)进行试验，用上述3种方法进行噪声去除及比较验证。?

原始图Fig．2Originalimages
【作者单位】： 南京信息工程大学电子与信息工程学院;儿童发展与学习科学教育部重点实验室;南京信息工程大学江苏省大气环境与装备技术协同创新中心;
【基金】：国家自然科学基金(11202106) 东南大学基本科研业务费(CDLS-2016-03)资助项目
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 邢永涛;付中华;张艳宁;;二维维纳滤波语音增强方法研究与实现[J];计算机工程与应用;2009年19期

2 周凯汀;郑力新;;图像域阈值与维纳滤波组合的图像去噪方法[J];华侨大学学报(自然科学版);2012年02期

3 胡洋;张颖;熊成基;陈雪波;;基于小波收缩阈值和维纳滤波的去噪方法[J];辽宁科技大学学报;2010年05期

4 王明吉;吴云;付东华;;基于小波域维纳滤波的光纤面板暗影检测[J];光学仪器;2011年05期

5 赵昱,申铉国;非重叠背景噪声下的自适应维纳滤波模式识别方法[J];光学技术;2005年01期

6 李正飞;;基于平稳小波的维纳滤波射线图像去噪算法研究[J];机械工程与自动化;2010年02期

7 邹星;谭泽富;罗映祥;谭晓玲;;维纳滤波在模糊车牌中的识别[J];科技信息;2010年17期

8 唐秀文;唐志列;吴泳波;;利用维纳滤波改善声透镜光声成像系统的分辨率[J];光子学报;2011年01期

9 陈q

本文编号：2525419