论文部分内容阅读
在现实生活中图像由于种种原因被加入大量噪声,不仅严重影响了图像的视觉效果,同时也给以后的图像分析和处理带来一定的困难,因此在图像预处理中图像去噪是非常重要的环节。平滑去噪质量的好坏直接影响到后续处理。传统的图像去噪算法如均值滤波、中值滤波、高斯滤波等,由于不考虑图像的形状特征,其平滑结果等价于传导系数为常数的热扩散方程,属于各向同性扩散,所以在去噪的同时也模糊甚至破坏了图像的边缘。而基于偏微分方程的图像平滑技术恰好能解决这一问题。在平滑的过程中,同时检测图像特征强弱及其方向,其平滑结果较好兼顾了噪声消除和特征保持,是一种较好的图像平滑技术。与热扩散模型相比较,各向异性扩散模型实际是一个非线性抛物型的偏微分方程,由图像梯度决定其扩散速度,能够兼顾了噪声消除和特征保持两方面。以Perona-Malik模型为代表的这类方法已经在边缘检测、图像增强、图像分割以及目标识别等领域得到了广泛的应用。基于变分法的图像去噪是偏微分方程应用的另一分支,它有很强的理论基础和成熟的数值解法。用于图像去噪的变分模型很多,适当的选取模型的正则化函数能够提高图像恢复的质量。1992年Rudin,Osher,和Fatemi等人提出的全变分模型(TV)是变分法中的一个经典模型,全变分模型(TV)用于图像恢复时能够很好的保持图像边缘,是目前为止保持边缘图像恢复问题中比较成功的方法。但是全变分模型(TV)不能很好的解决椒盐噪声问题,去除椒盐噪声时不但不能去除反而有扩大噪声的趋势。本文提出了一种新的模型算法,根据椒盐噪声本身特性把它看成乘性模型,然后结合全变分模型(TV)思想来处理椒盐噪声,实验结果表明本文的模型算法能较好地处理椒盐噪声。