基于非线性扩散滤波结构信息的图像去噪方法研究

发布时间：2017-10-20 07:17

  本文关键词：基于非线性扩散滤波结构信息的图像去噪方法研究

  更多相关文章： 非线性偏微分方程 图像去噪 拉普拉斯算子 梯度信息 阶梯效应

【摘要】：数字图像作为一种重要的信息传输手段,已经成为当前时代不可或缺的信息来源。然而在图像的产生,传输和接收过程中,不可避免的会受到噪声的影响,造成图像模糊、失真、有明显的噪声点而影响图像的质量,妨碍对图像的后续分析处理。因此,提高图像质量去除噪声,维持图像固有特征就成为数字图像处理了最基本与必要的要求,具有重要的理论意义与实际价值。近几年来,由于基于偏微分方程(PDE)的方法在图像处理上的应用越来越广泛,其理论方面也多有发展,越来越多的改进和创新方法进入人们的视野,服务于实际应用与理论教学。本文在讨论利用偏微分方程方法去噪理论的同时,着重研究如何更加准确,高效地降低图像的噪声,提高图像质量,满足实际应用上后续处理的需要。PDE当中的扩散项是去噪理论中的关键部分,它控制着扩散的幅度与速度,对于扩散项的研究是该课题的核心内容。梯度保真项是为确定图像在处理前后灰度相差不大,不会出现假边界的重要保证,它可以结合已有的扩散项对图像进行去噪处理,最终完成图像预处理中的去噪声步骤。论文的主要工作包括以下内容：(1)深入研究了基于非线性扩散滤波结构信息的图像去噪方法,提出了适用更多角度边界的图像去噪模型,研究了该去噪模型的去噪性能及优化方法。通过实验证明该模型可以保留与原有方法相比更多的边界,得到更高质量的图像用于后续处理。(2)结合之前的研究提出一种由结构信息确定指数的自适应梯度保真项,并结合已有的扩散项提出新的去噪模型。该模型可以在有效去除噪声的同时保护更多的细节信息,预防阶梯效应,获得较高质量的处理结果。
【关键词】：非线性偏微分方程 图像去噪 拉普拉斯算子 梯度信息 阶梯效应
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;O175.2
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 绪论8-16
• 1.1 研究的背景意义8-9
• 1.2 图像去噪方法9-12
• 1.3 图像去噪效果的评价方法12-15
• 1.4 本文的研究内容及主要工作15-16
• 第二章 基于偏微分方程的图像去噪16-25
• 2.1 尺度空间16-17
• 2.2 基于偏微分方程去噪的物理学解释17-19
• 2.3 常用模型及其性质19-24
• 2.4 本章小结24-25
• 第三章 基于非线性扩散滤波结构信息的图像去噪方法25-43
• 3.1 引言25-26
• 3.2 传统及适应八方向边界的去噪方法26-30
• 3.3 适应多角度边界的去噪方法30-36
• 3.4 实验结果与分析36-42
• 3.5 本章小结42-43
• 第四章 基于结构信息的指数自适应梯度保真项的构造43-59
• 4.1 引言43
• 4.2 改进扩散项预防阶梯效应43-47
• 4.3 耦合梯度保真项预防阶梯效应及其改进47-48
• 4.4 指数自适应梯度保真项48-50
• 4.5 实验结果与分析50-58
• 4.6 本章小结58-59
• 第五章 总结与展望59-61
• 5.1 总结59-60
• 5.2 展望60-61
• 参考文献61-67
• 作者简介67-68
• 致谢68

，

本文编号：1065969