基于偏微分方程的安检图像去噪算法

发布时间：2017-04-09 02:02

  本文关键词：基于偏微分方程的安检图像去噪算法，，由笔耕文化传播整理发布。

【摘要】：安检图像是一种典型的X射线图像,由于X射线的成像原理以及行李箱包的复杂性,安检图像存在内容丰富,边缘复杂,容易受到噪声干扰等特点,给工作人员识别危险物品带来困扰。安检图像的细节十分重要,关系到安检人员的判断准确性,而传统的图像去噪算法在处理安检图像时通常不能有效地去除噪声并且保留图像的边缘细节。针对这个问题,本文以偏微分方程数学理论为基础,主要研究了一种基于偏微分方程的自适应图像去噪算法,用于处理被噪声干扰的安检图像。在理论研究中有多种不同的偏微分方程去噪方法,本文着重强调的是Perona-Malik(P-M)各向异性扩散方程的算法。这种基于P-M扩散方程的自适应图像去噪算法将图像去噪分为了两个过程,分别为图像自适应的边缘检测过程和根据检测结果以不同的扩散方式处理图像噪声的过程。具体行为是首先改进了原始的P-M扩散方程的的扩散系数,设计了一种自适应边缘检测函数,该函数通过梯度的变化将图像分为平坦光滑区域和边界区域；P-M扩散方程可以在不同的区域表现出不同的扩散方式,从而在去除噪声的同时不会对边缘细节造成太大的影响。最后,在自适应的P-M扩散算法的基础上,应用了结构张量的原理,用结构张量中的连贯性张量和张量度量分别代替边缘检测函数中的梯度,增强了边缘检测的能力,使得图像去噪的效果更佳。本文使用了不同的图像数据对所研究的基于P-M扩散方程的自适应去噪算法进行了实验,实验证明该算法比原始的P-M图像去噪算法更具备有效性,在对安检图像的处理中,既可以去除安检图像的噪声,又对图像的边缘信息不会造成太大的影响。通过主观和客观的分析,均证明改进后的基于偏微分方程的自适应算法优于原始的偏微分方程算法。
【关键词】：图像去噪 安检图像 偏微分方程 P-M扩散方程 边缘检测
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;O175.2
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-10
• 1.1 课题背景和意义8
• 1.2 国内外研究现状8-9
• 1.3 论文组织结构9-10
• 第二章 常用的图像去噪算法10-26
• 2.1 图像的质量10-12
• 2.1.1 图像噪声10-11
• 2.1.2 安检图像噪声来源11
• 2.1.3 图像质量的评价方式11-12
• 2.2 几种传统图像去噪算法的研究12-17
• 2.2.1 线性滤波12-13
• 2.2.2 非线性滤波13-14
• 2.2.3 小波去噪14-17
• 2.3 基于偏微分方程的图像去噪算法17-20
• 2.3.1 偏微分方程与图像滤波17-18
• 2.3.2 Perona-Malik各向异性扩散算法18-20
• 2.4 P-M扩散方程的数值求解算法20-23
• 2.4.1 乘法算子分裂算法20-22
• 2.4.2 加法算子分裂算法22-23
• 2.5 实验结果分析总结23-26
• 第三章 基于梯度的自适应P-M扩散方程图像去噪算法26-37
• 3.1 原始P-M扩散方程的病态性质26
• 3.2 P-M扩散方程的正则化处理26-28
• 3.3 基于梯度的自适应P-M扩散去噪算法28-33
• 3.3.1 微分算子边缘检测28-29
• 3.3.2 自适应图像边缘检测函数29-31
• 3.3.3 自适应P-M扩散去噪算法31-33
• 3.4 实验结果分析总结33-37
• 第四章 基于结构张量的自适应P-M扩散方程图像去噪算法37-48
• 4.1 引言37
• 4.2 线性结构张量37-39
• 4.3 非线性结构张量39-40
• 4.4 利用结构张量的自适应P-M扩散算法40-41
• 4.5 实验结果分析总结41-48
• 第五章 总结与展望48-49
• 5.1 论文工作总结48
• 5.2 进一步研究方向48-49
• 致谢49-50
• 参考文献50-51

【相似文献】

中国期刊全文数据库 前10条

1 鄂那林;王芬芬;;一种改进的夜间数字监控图像的去噪算法[J];科技信息;2013年09期

2 杨昕f3;;基于粒子群优化的图像去噪算法[J];科技资讯;2011年11期

3 邓承志,汪胜前,刘祝华,王忠华,邹道文;基于层间特性的多级小波收缩去噪算法[J];江西师范大学学报(自然科学版);2004年04期

4 牟泽霖;李才明;杨伟刚;;基于小波变换尺度相关性去噪算法的改进[J];内蒙古石油化工;2006年11期

5 姚尧;;基于剪切波变换的图像去噪算法研究与仿真[J];科技致富向导;2013年24期

6 杨成武;刘文清;张玉钧;;激光云高测量去噪算法研究[J];光散射学报;2012年01期

7 谭攀;姜超;;几种图像去噪算法的对比分析[J];测绘与空间地理信息;2014年07期

8 张丹莹;李翠华;李雄宗;施华;张东晓;;一种基于去冗余字典的图像去噪算法[J];厦门大学学报(自然科学版);2012年04期

9 徐静云;;一种基于haar小波的人脸图像去噪算法[J];科技信息;2013年26期

10 陈利霞;宋国乡;丁宣浩;王旭东;;改进的总变分去噪算法[J];光子学报;2009年04期

中国重要会议论文全文数据库 前8条

1 王树艳;杨勋年;;平面曲线去噪的混合双边算法[A];第五届全国几何设计与计算学术会议论文集[C];2011年

2 李洋;李双田;;小波图像去噪算法分析[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

3 邓志全;关履泰;朱庆勇;;改进的非局部均值图像去噪算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

4 李俊峰;戴文战;潘海鹏;高金凤;;基于灰色系统理论的图像去噪算法研究[A];第二十九届中国控制会议论文集[C];2010年

5 连小丽;姚晖;王冠华;万木森;张林朴;孟卓;李燕妮;梁雨;代晓华;石博雅;;基于光学相干层析离体牙图像的去噪算法研究[A];天津市生物医学工程学会第30次学术年会暨生物医学工程前沿科学研讨会论文集[C];2010年

6 张娱;谷旭源;;基于小波系数的图像自适应阈值去噪算法[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

7 赵振磊;耿则勋;王兰;闫兆婵;;基于自适应递归LPA-ICI的图像去噪算法[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年

8 刘志刚;郭艳颖;;基于形态神经网络的SAR图像去噪算法研究[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

中国博士学位论文全文数据库 前5条

1 张鑫媛;基于结构相似性的磁共振图像去噪新算法研究[D];南方医科大学;2015年

2 陈大力;数字图像处理中去噪算法的研究[D];东北大学;2008年

3 刘辉;数字图像处理中基于局部方向性的压缩和去噪算法研究[D];吉林大学;2008年

4 宫霄霖;基于小波变换的不规则邻域的数字图像去噪算法研究[D];天津大学;2010年

5 崔学英;低剂量CT的投影域去噪算法和后处理方法研究[D];中北大学;2015年

中国硕士学位论文全文数据库 前10条

1 王圳萍;基于低秩矩阵恢复的图像去噪算法研究[D];西南交通大学;2015年

2 张超;图像和视频去噪算法的研究与实现[D];复旦大学;2014年

3 罗格;三维模型去噪算法的研究及其在三维曲面重建上的应用[D];哈尔滨工业大学;2015年

4 宋鑫梦;管道漏水检测去噪算法的研究[D];内蒙古师范大学;2015年

5 贺东霞;数字图像去噪算法的研究与应用[D];延安大学;2015年

6 刘航;并行非局部均值去噪算法研究[D];西安电子科技大学;2014年

7 王秀东;图像去噪算法及其GPU并行化研究[D];西安电子科技大学;2014年

8 李翠菊;基于NSCT和双边滤波的图像去噪算法研究[D];湘潭大学;2015年

9 刘斌;BM3D去噪算法的硬件实现[D];上海交通大学;2013年

10 钟莹;结构特性匹配的非局部均值图像去噪算法研究[D];合肥工业大学;2014年

  本文关键词：基于偏微分方程的安检图像去噪算法，由笔耕文化传播整理发布。

本文编号：294189