数字图像去噪算法研究

数字图像处理是数学技术和计算机技术交叉领域的一门新学科，图像去噪一直是该领域的研究热点，数字图像的有效去噪是图像信息预处理的关键步骤。在近二十年的研究中，涌现出许多去噪模型，主要有：高斯滤波、中值滤波、小波变换和DCT变换滤波、各向异性扩散方程模型、全变分模型、双边滤波、非局部平均滤波等等。 本文对各向异性扩散方程模型的原理、数值离散格式以及该模型与其它模型之间的联系进行了系统的讨论，接着讨论了双边滤波和非局部平均滤波两类较新的去噪模型，并对各类去噪模型的优缺点进行分析。文章的最后部分介绍了本人的工作。针对各向异性扩散模型中扩散系数的确定问题，文中用双边滤波代替Catt模型中用高斯核和图像作卷积来获取图像的边界强度，体现了边界检测的自适应性，提高了边界判断的准确性，同时对扩散方程的强迫项进行了改造，在保证去噪效果的同时确保数值迭代的快速收敛。文中结合了非局部去噪的思想，对双边滤波模型作了推广，得到了三边滤波模型。新模型能充分利用图像的冗余信息，在低噪音图像和自然图像的去噪中，取得了很好效果。为了提高模型的综合去噪能力，本文最后给出了混合非局部去噪模型。在该模型中引入了纹理判断因子对图像进行分割，对不同特征的部分使用不同的去噪方法，使模型在去噪效果和计算量上达到了很好的平衡。