基于图像特征的各向异性扩散去噪方法

合集下载

基于形态学算子的各向异性扩散去噪方法

基于形态学算子的各向异性扩散去噪方法柯丹丹;蔡光程;曹倩倩【期刊名称】《计算机技术与发展》【年(卷),期】2012(022)004【摘要】According to the shortcoming of image preprocessing by Gauss linear filter in coherence enhancing diffusion model, and the eigenvalues of diffusion tensor are not suitable for denoisng in flat area, false edge often induces in plain area, it proposes an anisotropic diffusion denoising method based on morphological operator. This method firstly uses morphological close-open operator instead of Gauss filter to do pretreatment, then structure tensor is designed by second directional derivatives, and eigenvalues of diffusion tensor are devised according to adaptive gradient threshold value. The numerical experiments show that the improved model is capable of removing noise efficiently, preserving the details of image characteristics and eliminating the false edge in plain area commendably.%针对相干增强扩散模型采用高斯线性滤波做图像预处理的不足,及扩散张量特征值的选取不适合平坦区域的去噪,易在平坦区域产生虚假边缘,文中提出了一个基于形态学算子的各向异性扩散去噪方法.该方法首先利用形态学闭开算子代替高斯滤波做预处理,然后结合二阶方向导数设计结构张量,且依据自适应的梯度阈值设计扩散张量的特征值.数值实验结果表明,改进后的方法在有效去除噪声的同时,还能很好地保持图像的细节特征和消除平坦区域的虚假边缘.【总页数】4页(P81-84)【作者】柯丹丹;蔡光程;曹倩倩【作者单位】昆明理工大学理学院,云南昆明650500;昆明理工大学理学院,云南昆明650500;昆明理工大学理学院,云南昆明650500【正文语种】中文【中图分类】TN911.73【相关文献】1.基于形态学算子的各向异性扩散方程 [J], 姜东焕;冯象初;宋国乡2.一种基于各向异性扩散方程的自适应去噪方法 [J], 赵川;马希荣;马岭;张桐3.基于灰色系统理论的各向异性扩散图像去噪方法 [J], 杨兴江;廖志武;蒲永华4.一种改进的基于各向异性扩散方程的图像去噪方法 [J], 罗莎;韦大欢5.基于Contourlet变换和残差分析的各向异性扩散去噪方法 [J], 方庆欢因版权原因，仅展示原文概要，查看原文内容请购买。

图像特征的各向异性扩散去噪方法

图像特征的各向异性扩散去噪方法基于图像特征的各向异性扩散去噪方法摘要:对图像去噪滤波方法,j.weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘，为此，提出一种改进的各向异性扩散方法。

该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和t形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。

实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。

关键词:图像特征;各向异性扩散;相干性;扩散张量;特征值anisotropic diffusion denoising method based on image featureke dan dan, cai guang cheng*, cao qian qian (faculty of science, kunming university of science and technology, kunming yunnan 650500, china)abstract:as for the image denoising filter method, the model proposedby j. weickert does not consider the distinctions between the smooth area and other image features. the diffusion in smooth area is also in accordance with the eigenvalues of local structure characteristics, thus inevitably producing false edges in smooth area. an improved anisotropic diffusion method was proposed. this method firstly used the wiener filter to weaken the influence of noise on the image, then coherence was applied to judge image feature correctly, as edge region, smooth area, t shape corner and so on, and the diffusion tensor s eigenvalues in corresponding region were set based on image feature. the experimental results show that the improved method can not only achieve better results in elimination of noise and protection of edge, but also remove false edge in smooth area effectively and get higher peak signal to noise ratio.key words:image feature; anisotropic diffusion; coherence; diffusion tensor; eigenvalue0 引言成像过程中由于受内外因素的干扰,图像总不可避免地存在噪声,这些噪声在很大程度上影响了图像细节的真实情况,降低了图像质量。

2018-基于各向异性扩散的电子散斑图像去噪-范文word版 (3页)

本文部分内容来自网络，本司不为其真实性负责，如有异议或侵权请及时联系，本司将予以删除！== 本文为word格式，下载后可随意编辑修改！ ==基于各向异性扩散的电子散斑图像去噪小编为您提供一篇关于基于各向异性扩散的电子散斑图像去噪的毕业论文提纲，欢迎参考！1.引言电子散斑干涉(electronic speckle pattern interferometry，espi)是一种具有测量灵敏度高、非接触、可用于全场等优点的测量方法，受到了人们的关注。

它的测试结果是以干涉条纹图的方式被记录和进行处理。

但是，在散斑干涉条纹图中，存在着大量的散斑颗粒噪声，极大地降低了条纹的信噪比，这些斑点噪声是espi 数据处理中最主要困难之一，人们一直试图用各种方法来降低或消除散斑噪声所带来的不利影响。

传统的滤波方法，如均值滤波、中值滤波、傅立叶变换滤波等，在滤掉图像中散斑噪声的同时，也会滤除、模糊许多有用的信息。

再加之散斑颗粒大且杂乱无章，很容易损伤原始条纹，从而给测量带来了误差。

张东升等采用频域同态滤波技术，得到了高质量的espi条纹图。

qian提出加窗傅立叶变换法，在滤除噪声的同时可以保持条纹的边缘信息。

于起峰等提出的旋滤波算法以及在此基础上发展的等值线窗口滤波法，可以较好地滤除散斑条纹图的噪声，同时又不损伤条纹特性，是滤除散斑条纹图噪声的比较理想的方法。

偏微分方程(partial differential equations，pde)方法近几年开始大量应用于图像处理，引起广大学者的极大关注。

tang chen 等采用pde 模型对espi 条纹图进行了去噪，获得了易于提取位相场的图像。

本文基于perona 和malik[9]提出的经典各向异性扩散滤波方法(p-m 模型)对espi 条纹图进行去噪，针对原始算法的不足，提出了改进的方法，从而在抑制斑点噪声的同时，很好地保持图像的边缘，在一定程度上克服了边缘保持和噪声消除之间的矛盾，为下一步数据处理提供了有效保障。

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

基于Shearlet域各向异性扩散和稀疏表示的图像去噪吴一全;李立;陶飞翔【期刊名称】《应用科学学报》【年(卷),期】2014(032)003【摘要】为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shearlettransform,NSST),将图像分解为低频分量和多个高频分量.低频分量中包含图像信号的主要能量以及少量的噪声,而高频分量中含有大部分噪声和图像边缘信息.然后,利用K-奇异值分解(K-singular value decomposition,K-SVD)算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD)算法进行去噪.最后,对处理过的低频分量和高频分量进行非下采样shearlet反变换(inverse nonsubsampled shearlet transform,INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节.实验结果表明,与小波扩散去噪法、shearlet硬阈值去噪法、K-SVD稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.【总页数】8页(P221-228)【作者】吴一全;李立;陶飞翔【作者单位】南京航空航天大学电子信息工程学院,南京210016;深圳市城市轨道交通重点实验室,深圳518060;江苏省粮油品质控制及深加工技术重点实验室,南京210023;南京航空航天大学电子信息工程学院,南京210016;南京航空航天大学电子信息工程学院,南京210016【正文语种】中文【中图分类】TN911.73【相关文献】1.基于稀疏表示的 Shearlet 域 SAR 图像去噪 [J], 刘帅奇;胡绍海;肖扬2.基于自适应shearlet域约束下的图像去噪研究 [J], 王丰斌;杨坷巍3.基于平稳小波域的各向异性扩散图像去噪方法 [J], 汪伟;吴秀清;程蕾;夏东坤4.基于贝叶斯模型的shearlet域SAR图像去噪方法 [J], 王彩云;胡允侃;吴淑侠5.基于自适应shearlet域约束下的图像去噪研究 [J], 王丰斌;杨坷巍因版权原因，仅展示原文概要，查看原文内容请购买。

基于CONVEF的四阶各向异性扩散及图像去噪

基于CONVEF的四阶各向异性扩散及图像去噪王元全;任文琦【摘要】偏微分方程在图像去噪中有广泛的应用.传统的二阶偏微分方程虽然具有较好的去噪效果,但是处理得到的结果容易产生阶梯效应,这种现象会引起后续图像处理的误判断.You和Kaveh提出了四阶偏微分方程,该模型可以有效的去除阶梯效应,但由于该算法是一个各向同性的滤波算法,因此图像的边缘保护能力有所降低,使去噪结果中边缘和纹理等细节信息丢失.针对以上缺点,提出了基于卷积虚拟电子场(CONVEF)的四阶偏微分方程.新的模型降低了图像在边缘方向的扩散,得到一个有效的各向异性扩散模型,从而在去噪的同时可以更好的保护图像的边缘、纹理等细节特征.%Partial differential equations (PDEs) have been justified as effective tools for image denoising.The second-order PDEs are effective for image noise removal but they can lead to staircase effects.These staircases can be falsely detected as edges in the successive image processing.The fourth-order PDE introduced by You and Kaveh can alleviate the staircase effect,but it is an isotropic filter and its edge and texture preserving ability is not satisfactory.In light of this,the convolutional virtual electric field (CONVEF) into the fourth-order PDE for images restoration is introduced.Since the CONVEF based fourth-order model possesses anisotropic properties over the image features,it leads to improvement on noise removal and edge and texture preserving over the original model.【期刊名称】《科学技术与工程》【年(卷),期】2013(013)023【总页数】5页(P6751-6755)【关键词】偏微分方程;You-Kaveh模型;各向异性扩散;卷积虚拟电子场(CONVEF);边缘及纹理保护【作者】王元全;任文琦【作者单位】天津理工大学计算机与通信工程学院,天津300384;天津理工大学计算机与通信工程学院,天津300384【正文语种】中文【中图分类】TP391.41近二十年来，偏微分方程(PDE)方法在图像处理中得到了广泛的应用［1］，包括图像分割，修补，分解，配准和去噪等，尤其是在图像去噪方面表现出卓越的性能，它把数学和图像有机的结合起来，在去噪的同时能够很好的保留边缘特征。

基于各向异性滤波技术的医学图像去噪研究

基于各向异性滤波技术的医学图像去噪研究第一章绪论随着医学诊断技术的不断发展和完善，医学图像在医学应用领域的重要性也越来越突出。

其中，医学图像的质量是影响诊断准确性的一个重要因素。

由于受到成像设备以及成像环境等因素的影响，医学图像不可避免地会产生噪声，从而影响医生对图像的分析和判断。

因此，如何准确地去除医学图像中的噪声已成为当今医学图像处理领域的研究热点之一。

现有的医学图像去噪方法有多种，其中，各向同性滤波和各向异性滤波是比较常见的方法之一。

而各向异性滤波技术由于其对图像特征的保留，在医学图像处理中得到了广泛的应用。

本文将介绍基于各向异性滤波技术的医学图像去噪研究。

第二章医学图像去噪技术综述医学图像的噪声包括椒盐噪声、高斯噪声等多种类型。

因此医学图像去噪技术也有多种方法，例如基于小波变换的去噪方法、基于自适应滤波的去噪方法、基于偏微分方程的去噪方法等。

其中各向同性滤波技术是最简单也是最常用的基于邻域平均的图像去噪方法之一。

对于图像中的所有像素，各向同性滤波器在相同大小的邻域内进行加权平均处理，从而平滑图像并去除噪声。

然而，各向同性滤波技术的局限性在于，它无法适应不同像素之间的边缘、纹理等信息差异，导致平均处理后的图像失去了一些重要的细节信息。

因此，针对上述局限性，各向异性滤波技术被提出。

第三章各向异性滤波技术在医学图像去噪中的应用各向异性滤波技术在医学图像处理中的应用主要是在医学图像去噪和边缘保留方面。

与各向同性滤波器不同，各向异性滤波器利用类似于梯度的信息来确定邻域内不同像素间的差异。

因此，各向异性滤波器适用于去除噪声的同时保留图像边缘细节。

在医学图像去噪中，基于各向异性滤波技术的去噪方法可以分为线性和非线性两种。

其中线性各向异性滤波技术主要是通过对原始图像进行梯度计算来确定邻域内各像素的差异程度，然后再通过像素之间的差异程度来调整邻域平均滤波的权值。

非线性各向异性滤波技术则是在一定程度上改善了线性各向异性滤波技术容易出现的平滑图像的缺点。

基于各向异性扩散的图像降噪算法综述

(Department of Electronic Engineering, Fudan University, Shanghai 200433, China)
Abstract: A comprehensive review is presented for the development of the anisotropic diffusion (AD) in image noise reduction. The various AD models are classified into two categories: the one for normal noise reduction and the other for speckle noise reduction. During the development of the AD technique, several typical models are highlighted in their principle, method and characteristics. From experiments, the performances of these AD models are comprehensively compared in terms of noise reduction, edge localization and structure preservation. Key problems expected to be solved and future development trends are discussed for the AD technique in image denoising.
· 106 ·
电子测量与仪器学报
第 25 卷

一种改进的各向异性扩散图像去噪方法

＝（，，）Ｍｘｙｔ】
其中：（，＇）Ｒｘ０一尺是一个随时问演化的图像，尺ｕｘｖｔ：ｚ［，］Ｆ：一尺表示一个特定的算法所对应的算子，通常依赖于图像及其空间上一、二阶导数，原始图像Ｕ为初始条件。。偏微分方程的解ｕｘＹｔ即给出了迭代ｔ（，，）次时的图像。根据定义的不同可分为线性扩散过程、非线『扩散过程、生各向异性扩散过程等。由Ｐｎａ和Ｍａｉｔ出的各向异性扩散方程（ — 扩散ｅｍｌｋ提ＰＭ方程）最具影响力，— ＰＭ扩散方程为：
ｔｎ．０８，４（３）１０１２ｉｓ２０４１：７ — ７．ｏ
Ａｂｓｒｃｔａｔ：Ｔｈｓｐｐｅｓｕｅｏｈｇｎａｃｏｄｎｔｏｂａｅｏｔｅｄｒｃｉｎｏｔｅｉｇｆａｕｒｔｎａｌｚｓａｓｔｏｐｅｉａｒｔｄｉｓｒｏｏｌｏｒｉａｉｎｔｓｄｎｈｉｅｔｏｓｆｈｍａｅｅｔｅ，ｈｅｎａｙｅｎｉｏｒｉｄｆｕｓｏｉｇｄｎｏｓｎｍｅｈｄｉｆｉｎｍａｅｅｉｉｇｔｏｕｎｒｈｉｆａｍｅｒａｐｏｏｓｓｎｍｐｒｖｄｄｅｔｓｒｗｏｋ，ｎｄｒｐｅａｉｏｅａｎｓｔｏｃｉｆｉｎｉｏｒｐｉｄｆｏｍｅｈｄ．ｅｕｓｔｏＴｈｍｅｈｄｖｉｓｔｏａｏｄｉ —ｐｓｄｌｏｅｐｒｌｍｓｆａｎｓｒｐｃｆｕｉｎｑｔ．ｐｒｍｅｔｓｏｔａｔｓｅｈｏｌｏｂｅｏｉｏｔｏｉｄｉｓｏｅｕａｉＥｘｅｉｎｓｈｗｈｔｈｉｍｔｄｃａｈｉｖｇｏｅｆｃｔｉｎｉｅｅｏｉｇｆｏｎａｎｃｅｅｏｄｆｅｓｎｏｓ —ｒｍｖｎａｄｎｍａｇｎｒｓｒｉ —ｐｅｍｗｉｇｎ．Ｋｅｗｏｒ：ａｓｔｏｐｅｙｄｓｎｉｏｒｉｄｉｕｉｎ；ｉｅｔｏｎｏｈｉｇｆａｕｒｈｕａｖｓａｓｓｅ；ｍａｅｆｓｏｄｒｃｉｓｆｔｅｍａｅｅｔｅ；ｍｎｉｕｌｙｔｍｉｇｄｅｏｓｎｇｆｎｉｉ

基于各向异性扩散方程的超声图像去噪与边缘增强

Abstract : Utilizing the echoic intension and distribution of different organizations and local details ,ultrasonic image catches the important medical pathological changes. However ultrasonic image may be contaminated by the speckle noise in its forming process , which degrades image quality specially concealing some details ,and works disadvantages to image segmentation ,character extraction and image recognition ,disease diagnosis and quantitative analysis. Using local coordinate transform ,the first and second order normal derivatives of edge and local detail and the hyperbolic tangent function ,also combining the anisotropic diffusion equation ,we have put forth an ultrasonic image denoising and edge enhancement scheme ,which can preserve edges ,local details and ultrasonic echoic bright strips on denoising. This has been indicated theoretically and experimentally. Key words : ultrasonic image ; anisotropic diffusion ; normal derivatives ; hyperbolic tangent function ; denoising ; edge enhance 2 ment

基于局部方差改进的超声图像各向异性扩散去噪算法

基于局部方差改进的超声图像各向异性扩散去噪算法刘琬臻;付忠良【期刊名称】《计算机应用》【年(卷),期】2013(33)9【摘要】针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法.该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理.对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升.%Since the anisotropic diffusion methods cannot make a distinction between strong noise and weak edge effectively,the authors proposed an improved anisotropic diffusion denoising method based on local statistical characteristics.While denoising images by anisotropic diffusion method,points with large gray-level variations were found by using gradient threshold,and whether the point was a noise point or not was judged by calculating local variance and local deleted variance,and then mean filtering was used for the noise points.The experiments upon simulation images and clinical ultrasonic images show that this method preserves features and edges more efficiently than traditional anisotropic diffusion methods while denoising images.【总页数】4页(P2599-2602)【作者】刘琬臻;付忠良【作者单位】中国科学院成都计算机应用研究所,成都 610041;中国科学院大学,北京 100049;中国科学院成都计算机应用研究所,成都 610041;中国科学院大学,北京100049【正文语种】中文【中图分类】TP391.41【相关文献】1.鲁棒的各向异性扩散三维超声图像去噪算法 [J], 骆科扬;刘俊2.一种改进的各向异性扩散超声图像去噪算法 [J], 王亚强;陈波3.结合局部方差信息的各向异性扩散图像去噪算法研究 [J], 吴龙华;洪志强;闫晓天4.基于改进的各向异性扩散图像去噪算法研究 [J], 洪志强;张立亭;陈竹安;吴龙华;陈大凯5.基于EM算法参数估计的各向异性扩散超声图像的去噪 [J], 余锦华;汪源源;施心陵因版权原因，仅展示原文概要，查看原文内容请购买。

基于各向异性改进的水平集超声图像去噪算法

ｍａｇｎｉｔｕｄｅｔｈｒｅｓｈｏｌｄｐａｒａｍｅｔｅｒｗａｓａｄｊｕｓｔｅｄａｕｔｏｍａｔｉｃａｌｌｙ．Ｔｈｅｍｅｈｏｔｄｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒｃｏｍｂｉｎｅｓｔｈｅａｄｖａｎｔａｇｅｓｏｆ
ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
ＩＳＳＮｌ０ｏ１．９０８１
２０１５一Ｏ６ — ２０
计算机应用，２０１５，３５（Ｓ１）：２６７—２６９，２８２文章编号：１００１ — ９０８１（２０１５）Ｓ１ — ０２６７－０３
摘
要：针对各向异性扩散可能出现的阶梯效应以及扩散门限难以准确确定、水平集函数只能根据图像梯度区
分图像边缘及同质区域的问题，将各向异性扩散中的边缘增强项引入到水平集方程中，同时自适应地估计扩散门限，
Ｃ０ＤＥＮＪＹＩＩＤＵ
ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｃｎ
基于各向异性改进的水平集超声图像去噪算法
陈力，，纪祥虎ｒ，伍岳庆
（１．中国科学院成都计算机应用研究所，成都６１００４１；２．中国科学院大学，北京１０００４９）（通信作者电子邮）

基于各向异性扩散滤波的图像去噪研究

基于各向异性扩散滤波的图像去噪研究莫绍强【摘要】采用各向异性扩散滤波方法,研究图像处理中的去噪问题,通过分析扩散函数和扩散常数对滤波效果的影响,利用图像压缩中判别压缩质量好坏的峰值信噪比作为迭代终止条件,在有效去除图像噪声的同时,能够保持图像的边缘信息不被过度滤除.%An anisotropic diffusion filtering method is used to research the denoising problem in image processing.By analyzing the influence of diffusion function and diffusion constant on the filtering effect,the peak signal to noise ratio in image compression is used as the iteration termination condition.This algorithm can keep the edge information of the image from being excessively filtered while effectively removing the noise.【期刊名称】《内蒙古师范大学学报（自然科学汉文版）》【年(卷),期】2017(046)001【总页数】4页(P19-22)【关键词】图像去噪;各向异性扩散;边缘信息;迭代准则;扩散函数【作者】莫绍强【作者单位】重庆电子工程职业学院,重庆 401331【正文语种】中文【中图分类】TP391.41图像滤波和去噪是图像处理中非常基础和重要的技术,常用的方法是采用一种滤波器,在滤除图像噪声的同时,尽可能地保留图像中的结构和纹理等信息不被破坏.传统方法中的高斯、中值等滤波,虽然能够去除噪声,但是图像的细节如边缘信息等也被同时滤除.双边滤波[1]虽然可以兼顾去噪和保留边缘的特性,但是计算极其耗时,制约了它的实用性.各向异性扩散滤波[2]是一种兼顾去噪和保留图像边缘的方法,它模拟热量传递原理,在同质区域热量可以扩散,而在非同质区域(存在边缘的位置)热传递减弱.但是该方法需要设置一个迭代次数的参数,判定何时终止扩散处理.如果迭代次数过少,噪声滤除不完全,迭代次数过多,容易导致图像本身的边缘细节信息丢失.因此,如何得到一个自动选择迭代终止的条件,对滤波效果非常重要.文献 [3] 利用梯度阈值,构建了一个随着时间变化逐渐递减的函数作为迭代终止准则,但为了得到自适应参数,每次迭代时需要保留边缘信息; 文献 [6-7] 利用原始图像和去噪图像之间的保真程度作为终止条件,但去噪不充分.本文通过分析各向异性扩散滤波中,扩散函数和扩散常数对滤波效果的影响,利用压缩图像中判别压缩质量好坏的峰值信噪比作为迭代终止条件,在有效去除图像噪声的同时,能够保持图像的边缘信息不被过度滤除,为图像滤波和去噪研究提供参考.Perona等[2]提出的各向异性扩散滤波,采用的是一种扩散处理的方式,即在同质平坦区域使噪声逐步平滑,当遇到非同质的边界区域时,则抑制平滑,其数学表达为(,t)=·(c(,t)I(,t))其中: I(,t)是待处理的图像; t表示迭代次数; c是一个关于图像梯度的单调递减扩散函数:c(,t)=f().(2)式可以根据图像的局部信息控制扩散强度,图像的边缘保留以及噪声滤除就是通过扩散函数来控制的.常用的两个扩散函数如下:c1(,t)(α>0),c2(,t)=exp ,其中K为扩散常数.从扩散函数的表达式可以看出,K值在很大程度上决定了同质区域和非同质区域的界线,对滤波效果的影响很大.令Φ表示扩散函数和梯度的乘积关系,有Φ(,t)=c(,t)I(,t).选择不同的扩散函数,Φ的处理效果也会不同.如图1所示,虚线和实线分别是取c1和c2为扩散函数时Φ的分布,可以看出,当K≫时,Φ值趋于0,可以将平坦区域平滑; 当K≪时,可以保留图像的边缘信息; 当噪声梯度约等于K时,可以噪声滤除.所以,根据图像噪声引起的梯度强弱选择合理的K值,就可以很好地将噪声去除.对于二维图像滤波,可以使用4邻域上的扩散滤波,分别代表在东南西北4个方向上扩散,滤波过程的表达式为(x,y,t)=≈ (,y,t)(I(x+Δx,y,t)-I(x,y,t))- c(,y,t)(I(x,y,t)-I(x-Δx,y,t))(x,,t)(I(x,y+Δy,t)-I(x,y,t))- c(x,,t)(I(x,y,t)-I(x,y-Δy,t))Δx=Δy=1.2.1 扩散函数和扩散常数扩散函数c是关于图像梯度的函数.图2是扩散常数K=0.05时,采用不同扩散函数的图像处理效果,其中第1排图像采用扩散函数c1,第2排图像采用扩散函数c2,迭代次数从左到右分别为2,8,64,128次.从对比效果可以看出,采用扩散函数c2对图像进行处理,得到的对比度大于扩散函数c1.从对比实验发现,K取较大值时,只有大的轮廓边缘保留下来,更多的细节边缘被滤除,这是因为梯度较小的区域被认为是噪声部分,只有梯度远远大于K的轮廓被部分保留下来.因此,参数K的选择,决定了哪些区域属于同质区域,哪些属于非同质区域. 图3是扩散函数和扩散常数对滤波结果的影响,可以看出,K值相同时,以c1作为扩散函数保留下来的边缘梯度弱于c2扩散函数,但是同质区域更平滑,这可以作为处理不同图像时,预计达到某种效果的参考依据.2.2 迭代终止条件从图2和图3可以看出,随着迭代次数的不断增多,图像细节信息会逐渐减少,因此只有设置一个终止迭代的条件,才能得到最佳滤波效果.本文利用图像压缩中判断压缩质量好坏的峰值信噪比PSNR[6]作为迭代终止条件,PSNR=10 log10(MAXI)-10 log10(MSE),其中: 2,称为均方误差(mean squared error); MAX是图像的灰度级,一般取值255; I是上一次迭代的图像,K是当前迭代处理后的图像.由于多次迭代后噪声已被去除,所以PSNR的变化率会很小.图4是各向异性扩散的去噪迭代过程,图中从左至右分别为原始噪声图和迭代56,148,280次后的效果.其中噪声图像是在原始图像上加了均值为0、标准偏差为0.02的高斯噪声.本文取迭代前后差异小于阈值T时为迭代终止条件,通常取T=0.01.图4中,迭代终止在第148次,这时图像噪声被滤除,且细节保持较好,而迭代56次时噪声保留太多,迭代280次时图像的边缘被过度滤除.因此本文设置的迭代终止条件得到了比较理想的结果.基于各向异性扩散滤波的图像处理方法,不仅可以去除噪声,而且能更好地保护边缘信息不被滤除,较之传统的高斯、中值等滤波方法有很大的优势,在图像增强方面有很好的应用前景.本文提出的迭代终止条件简单易实现,为滤除噪声和避免边缘被过度滤除提供了一种平衡方法.另外,影响图像滤波效果的因素除了迭代次数外,还有扩散参数K,该参数往往与图像噪声梯度相关,如何估算图像的噪声梯度信息,合理设置参数K的大小,是需要进一步研究的内容.【相关文献】[1] TOMASI C,MANDUCHI R. Bilateral filtering for gray and color images [C]//ICCV,1998:839-846.[2] PERONA P,MALIK J. Scale-space and edge detection using anisotropic diffusion [J]. IEEE TPAMI,1990,12(7):629-639.[3] X Li,T Chen. Nonlinear diffusion with multiple edginess thresholds [J]. Pattern Recognition,1994,27(8):1029-1037.[4] Gilboa G,Sochen N,Zeevi Y Y. Forward-and-backward diffusion processes for adaptive image enhancement and denoising [J]. IEEE Transactions on ImageProcessing,2002,11(7):689-703.[5] Weickert J. Applications of nonlinear diffusion in image processing and computer vision [J]. Acta Mathematica Universitatis Comenianae,2001,70:33-50.[6] Huynh-Thu Q,Ghanbari M. Scope of validity of PSNR in image/video quality assessment [J]. Electronics Letters,2008,44(13):800-801.。

基于各向异性扩散的SAR图像斑点噪声滤波算法

基于各向异性扩散的SAR 图像斑点噪声滤波算法张良培,王毅,李平湘(武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079)摘要: 在SAR(Syn thetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD 模型)的基础上,提出了一个基于各向异性扩散的SAR 图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier 等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.关键词: 各向异性扩散;斑点噪声去除;S AR 图像;扩散系数;滤波中图分类号: TP751 文献标识码: A 文章编号: 0372 2112(2006)12 2250 05The Filtering Algorithm for SAR Image Speckle N oiseBased on Anisotropic DiffusionZHANG Liang pei,W ANG Yi,LI Ping xiang(State Ke y Laboratory o f Information Enginee ring in Surve ying ,Mapping and Remote Se nsing,Wuhan Unive rsit y ,Wuhan,Hube i 430079,China)Abstract: In order to effectively preserve SAR image edges while filteri ng,the au thors propose an anisotropic diffusion fil tering algorithm for speckle noise based on speckle reduction anisotropic diffusion (SRAD)model.On one hand,it can be proved that the diffusion coefficient in the proposed algorithm theoretically satis fies the conditions for the design of diffusion coefficients presented by Charbonnier ,et al;on the other hand,the proposed algorithm can achieve a series of different filtered results,through the simple adjustment of two parameters.One parameter is a thres hold of the accumulative histogram in the edge image,and the oth er one is a thres hold of the relative signal to noise ratio.And the algorithm is applicable in different applications,including mapping and applications in which fine details and high resolution are required.The experimental results show that the proposed algorithm has capabilities of efficiently filtering speckle no ise and preserving edge and textu re features.M oreover,it outperforms the four tradition al filtering methods in speckle smoothing,edge and texture preservation and visual assess ment.Key words: anisotropic diffusion;s peckle noise reduction;SAR(Synthetic Aperture Radar )image;diffusion coefficient;fil tering algorithm1 引言合成孔径雷达(SAR)图像被广泛应用于生态、水文、海洋监测和地形测绘等诸多方面.然而SAR 图像由于斑点噪声的存在而严重影响了解译和定量化研究.因此,在过去的20年中,斑点噪声抑制方法得到了深入研究,涌现了许多较为成熟的算法.这些算法主要分两类:(1)由Lee 、Frost 、Kuan 和Lopes 等人提出的基于局域统计特性的空域滤波[1~4],这类滤波器利用了局部统计参数,能够有效地滤除斑点噪声并保留边缘;(2)基于多分辨分析的去斑算法,其代表是具有多尺度分析能力的小波方法,它通过多尺度分解在去除噪声的同时可以较好地保留图像的纹理特性.近年来,各向异性扩散技术被广泛地应用于图像处理领域,其最大特点是能够有效地实现图像保边缘平滑.Yu 和Acton 等人证明,基于局域统计特性的自适应滤波器可以转化成线性扩散模型,于是他们将局部统计特性引入扩散系数中,提出了SRAD(Speckle Reducing Anisotropic Diffusion)模型[5].然而该模型仍然存在以下问题:(1)需要人为设定迭代次数,而且迭代过程中没有经过预平滑处理,方程难以得到最优解;(2)模型的扩散系数没有严格满足Charbonnier 提出的构造扩散系数准则[6];(3)由于没有对扩散系数的参数进行必要的控制,SRAD 模型可能模糊高频边缘.本文在SRAD 模型的基础上,提出了一个基于各向异性扩散的斑点噪声滤波算法.通过利用相对信噪比(Relative Sig nal Noise Ratio)和中值滤波技术改进SRAD 模型,使得方程获得最优解;同时建立了满足构造准则的扩散系数,并利用直方收稿日期:2005 09 20;修回日期:2006 03 21基金项目:国家重点基础研究发展规划(973计划)项目(No.2006CB701302);国家自然科学基金(No.40471088,No.40523005)第12期2006年12月电子学报ACTA ELECTRO NICA SINICA Vol.34 No.12Dec. 2006图对系数进行了合理的控制,使得模型能够获得满足不同应用的边缘保持效果.2 各向异性扩散理论2 1 PM各向异性扩散模型Perona和Malik利用非线性思想,提出了各向异性扩散模型(PM模型)[7]:It=div[c(I) I](1)式中I是处理图像,c( )是扩散系数.为了控制模型的各向异性扩散行为,Perona和M alik提出了下面两个扩散系数:c(x)=11+(x/k)2(2)c(x)=exp -(x/k)2(3)式中k是梯度阈值.各向异性扩散最大特点在于能够实现图像保边缘平滑.传统的各向异性扩散模型虽然适合滤除加性噪声(如高斯噪声),但对斑点噪声的滤波效果不理想,容易将噪声当作边缘保留下来.2 2 SRAD模型传统的自适应空域滤波(如Lee滤波和Frost滤波)都是基于局域方差系数的,且它们能够有效地滤除斑点噪声.Yu 和Acton改进了局域方差系数,提出了SRAD模型,其对应的扩散系数为:c(q)=11+[q2(i,j;t)-q20(t)]/[q20(t)(1+q20(t))](4)其中q定义为:q2(i,j;t)=(1/2)(I/I)2-(1/16)(2I/I)2[1+(1/4)(2I/I)]2(5)式中q0(t)是尺度函数,q0(t)=var[z(t)]/z(t),为图像平坦区域的局域方差,var[z(t)]和z(t)分别表示平坦区域t时刻的方差和均值.式(4)的意义在于:当q!q0时,表示图像均匀平坦的区域,c(q)!1,此时SRAD表现为各向同性平滑滤波器;当q!q0时,表示图像的细节边缘区域,c(q)!0,SRAD 表现为保持细节.然而SRAD仍有不足:(1)模型需要进行多次实验,才能确定最优结果,从而降低了执行效率;(2)q(x, y;t)是作为边缘检测算子来识别图像边缘的[5],但由于SAR 图像往往受到斑点噪声的影响,且迭代过程中,SRAD模型并没有对噪声进行必要的抑制,因此难以检测出真实边缘;(3) SRAD在平滑的过程中对q(x,y;t)没有设定相关的控制,因此容易弱化边缘和降低对比度;(4)扩散系数(4)没有严格满足Charbonnier提出的构造扩散系数准则.3 基于各向异性扩散的斑点噪声滤波算法3 1 滤波算法3.1.1 改进的扩散系数针对PM模型中各向异性扩散方程解的不适定性问题, Catt [8]等人提出了在模型中加入高斯预平滑来获得方程最优解的正则化方法.然而高斯滤波对斑点噪声效果不理想,且容易造成边缘模糊和易位,因此采用中值滤波来滤除斑点噪声.本文首先提出一个新的扩散系数:c(q)=1/1+((q-q0)/q0)2(6)假设和分别对应像素的边缘方向和与边缘垂直的方向,则在 -坐标系下,基于式(6)的改进模型可以转化成It=c I +c I=c(q)1+qc∀(q)c(q)I +I(7)经验证,式(6)完全满足Charbonnier等人提出的构造扩散系数准则,作者简要证明如下:(1)在图像上均匀平坦区域(q很接近q0),由(6)得li mq!qc=limq!qc =1.这表明在均匀区域,扩散系数式(6)在和方向上的扩散速度相同,有助于提高扩散效率.(2)在图像的边缘附近(q值较大),由式(6)得li mq!#c = limq!#c=0,及li mq!#(c /c)=0.这表明在边缘附近,扩散系数式(6)在两个方向上都不做平滑,且扩散系数在沿方向减小的速度要大于沿方向减小的速度,这在一定程度上满足准则,即在沿方向上的扩散作用要小于方向上的扩散.同时,c <0可以保证方向上的逆平滑,从而增强图像细节信息.(3)c(q)在[q0,+#]上是连续和单调递减的,这能够保证扩散的连续稳定性.同时(c(q))∃<0保证c(q)不是非凸函数,避免了引入理论上不合理的解.3 1 2 选择性平滑的直方图阈值在SRAD模型中,由于q(i,j,t)是用来检测图像边缘,因此对扩散模型有着非常重要的影响.在边缘检测时,SAR图像通常由于斑点噪声的影响而产生假边缘,为了消除噪声干扰,本文考虑对q(i,j;t)产生的边缘图进行直方图阈值化处理,目的是有效地控制扩散模型的边缘保持能力.假设!表示边缘图上对应直方图的累计直方图,thr表示直方图上!处对应的灰度值.根据式(4),按照经验值或手工设定确定thr,使其满足:当q(i,j;t)>thr时,模型仅在方向上进行平滑,即c =0,c=c(q),从而保持高频边缘不被破坏;当q(i,j;t)%thr 时,模型在和方向上进行平滑,从而在一定程度上消除噪声干扰.经过阈值化处理后,图像边缘处噪声得以抑制,同时对比度提高.SRAD模型由于平滑的过程中没有设定类似的相关控制,图像边缘处噪声难以抑制,从而造成边缘弱化和对比度降低;本文算法能够通过设定不同的thr来获得满足不同应用目的(如绘图、高分辨率或细节丰富的图像)的滤波结果,其意义在于:因为雷达图像上的地物的强度信息各不同,因此边缘的强弱也各不同,根据经验采用thr进行控制,能够获得包含某种或某些地物的边缘图像,从而满足不同的应用需求.3 1 3 迭代终止准则一个好的迭代终止准则对于该滤波算法在最短时间内找到理想的解非常重要.然而在SRAD模型中,迭代次数的最优取值是通过取不同值进行比较决定的.为了更好地控制扩散行为,本文采用相对信噪比,其定义如下[9]:R-SNR(k+1)=10 log&pixe ls(I(k+1))2&pix els(I(k+1)-I(k))2(8)式中I(k)和I(k+1)分别是图像经过第k次和第k+1次迭代滤2251第 12 期张良培:基于各向异性扩散的SAR图像斑点噪声滤波算法波后的结果.于是当迭代中止准则|R-SNR(k+1)-R-SNR(k)|R-SNR(k)%∀(9)满足时,迭代过程中止.式中∀是预定义好的门限值.本文采用相对信噪比主要有以下几方面的考虑:(1)信噪比分析可以看作关于迭代次数的函数最优化问题[10],即通过函数曲线确定合适的迭代次数来获得最大信噪比;(2)由于信噪比需要真实数据作参考,而雷达图像不可避免地受到噪声的干扰而没有原始参考图像,因此本文采用相对信噪比作为迭代终止准则;(3)由式(8)、(9)可以看到,由于相对信噪比能够衡量迭代前后的图像变化,因此可以将其变化与∀作比较进行分析,从而避免重要的信息和纹理丢失.∀对迭代结果影响很大,处理普通图像时通常选为0 01,但是SAR图像中包含丰富的纹理信息,如果阈值设定∀过小,往往难以得到理想的结果,因此本文实验设定∀∋0 01.将上述的算法融入各向异性扩散模型中,就得到本文的滤波算法.经过上面的讨论,可以看出本文提出的算法能够较好地利用SRAD模型的优势并有效地滤除斑点噪声,同时能够选择性保留图像边缘,从而获得各种应用要求的保边缘平滑效果.由上文可知,累计直方图!和迭代中止阈值∀对模型的扩散行为有着重要的影响:!越大,图像上需要保留的边缘越少,算法的去噪能力越强,而边缘保持能力越弱;∀越大,迭代次数越少,算法的边缘保持能力越强,而去噪能力越弱.因此,可以考虑对!和∀进行设置,来获得不同要求的滤波效果.虽然!和∀的设置也有一定的困难,但它们对滤波结果的影响具有一定的规律性,这有助于选择合理的参数组合,从而满足不同的应用要求.3 2 滤波离散化算法将时空连续域上的图像I(x,y,t)离散化为I(ih,j h, nT),(i,j)为坐标点,n为迭代次数.迭代公式为I(n+1) i,j -I(n)i,j#t=c (i,j;n)I (i,j;n)+c(i,j;n)I(i,j,n)(10)并设定边界条件:d(n)-1=d(n)0,j,d(n)M,j=d(n)M-1,j,d(n)i,-1=d(n)i,0, d(n)i,N=d(n)i,N-1其中,扩散系数计算如下:c (i,j;n)=(q c(q))∀i,j;n=2 q20(i,j;n)-q(i,j;n) q0(i,j;n)q20(i,j;n)+(q(i,j;n)-q0(i,j;n))2c(q(i,j;n))c(i,j;n)=c(q(i,j;n))(11)式中c(q(i,j;n))可以按照文献[5]中的离散方法并结合本文提出的扩散系数(6)进行计算.二阶导数则参照文献[11]的方法进行计算.4 实验与分析4 1 实验实验采用的是意大利首都罗马北部台伯河流域农作物分布的S AR图像,如图1(a)所示.下面将本文算法同传统滤波方法进行比较.4 2 实验结果分析图1显示了各种滤波的处理结果.Lee滤波较好地保留了边缘,但边缘处的噪声仍然较明显;Frost和Gamma滤波很好地消除了斑点噪声,但图像边缘变得模糊;SRAD模型的保边缘滤波效果比较理想,但高频边缘容易模糊;本文算法较好地消除了斑点噪声,由于边缘加入了阈值控制,所以其边缘保持能力更强.(1)去噪能力实验中选取图像上的湖水一带的均匀区域作为样本(192个象素).从计算的结果上看,本文算法对应的ENL值除第一组参数和Frost滤波相当外,都要好于传统滤波和SRAD模型.(2)边缘保持能力从图像上选取49(49带有明显边缘的区域进行检验,本文采用边缘保持指数E PI来衡量边缘保持能力[12].边缘保持指数越高,滤波器的边缘保持能力越强.由表1得:(1)Lee滤波的边缘保持能力虽然最好,但由E NL的结果推断,有一部分噪声作为边缘保留下来,从而影响了边缘保持指数;(2)当∀值较小时(如∀=0 01),本文算法能够在消除斑点噪声同时更好地保持图像的细节边缘(EPI值是除Lee滤波外最高的).(3)纹理保持能力表2中,滤波图像直方图的偏度和峰度都比原始图像大.而当∀较大时(如表中∀=0 02),本文算法能够较好地保持纹理信息,同时四组参数的结果能够覆盖很大范围,如方差1208 18 1543 35,而熵值较好地论证了以上结论.2252 电子学报2006年表1 本文算法和传统滤波方法ENL 和EPI 结果比较均值(M ean)标准方差(Std.)有效视数(ENL)边缘保持能力(EPI)原始SAR 图像30.0514.19 2.12 1.0000Lee 滤波30.789.21 3.340.6328Fros t 滤波31.81 4.88 6.520.3411Gamma 滤波32.43 5.90 5.500.3386SR AD 30.526.434.750.4370本文算法(!=0.8,∀=0.02)30.554.736.460.3879(!=0.8,∀=0.01)30.743.728.260.4742(!=0.99,∀=0.02)30.664.436.920.3636(!=0.99,∀=0.01)31.333.778.310.4541表2 本文算法和传统滤波算法纹理特征比较均值(M ean)方差(Variance)偏度(Skewness)峰度(Kurtos is)熵(Entropy)原始SAR 图像133.802778.390.21-0.367.38Lee 滤波134.151668.020.36-0.287.19Fros t 滤波134.701158.670.57-0.13 6.87Gamma 滤波134.841146.540.58-0.12 6.86SR AD 133.891404.060.47-0.237.06本文算法(!=0.8,∀=0.02)133.051543.350.44 0.207.13(!=0.8,∀=0.01)133.001339.640.48 0.197.02(!=0.99,∀=0.02)134.251419.060.54 0.147.06(!=0.99,∀=0.01)134.571208.180.570.136.90(4)参数的影响由图2知,随着!(thr )的增大,平滑区域变大,需要保留的边缘更少,因此ENL 有一定的提高,EPI 的结果会下降;随着∀的减小(!(thr )固定),算法的迭代次数增加,图像变得更为平滑,因此ENL 有较大的提高,而EPI 的结果会有较大的下降,这和上面对模型参数的分析是一致的.由于参数的设定不同,实验结果有一定的规律性,因此模型较好地满足了不同应用的要求.由上文知,!和∀不同的组合能够产生不同效果的扩散结果.在实际处理中,可以将边缘检测图和原始雷达图像进行比较,按照特定的应用需求,通过多次实验的比较确定!的大致范围.而实验结果证明,由于迭代次数对∀非常敏感,因此细微的调整∀的值就能更有效地获得满意的处理结果.5 结论本文在SRAD 模型的基础上,提出了一个满足Charbonnier 构造准则的扩散系数,并对扩散系数中的参数进行了合理控制,使得模型能够有选择性的保留边缘.而利用相对信噪比作为迭代中止准则避免了迭代次数的设定,使得本文算法具有较好的自适应性.实验结果证明,本文的算法在去噪能力、边缘保持和纹理保持能力上优于传统的基于统计特性的自适应滤波和SRAD 模型.作者下一步的研究目标是根据SAR 图像的斑点噪声自适应得到参数的最优组合以及滤波结果对SAR 图像分割和分类的影响.参考文献:[1]Lee J S,Dig ital enhancement and noise filtering by use of localstatistics[J].IEEE Transactions on Pattern Analysis and Ma chine Intelligence,1980,2(2):165-168.[2]Fro s t V S,S tiles J A ,Shanmugan K S,et al.A model for radarimages and its application to adaptive digital filtering of mul tiplicative noise [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1982,4(2):157-165.[3]Kuan D T ,Sawchuk A A,Strand T C,et al.Adaptive noisesmoothing filter for images with signal dependent noise [J].IEEE Transactions on Pattern Analysis and Machine Intelli gence,1985,7(2):165-177.[4]Lopes A,Nezry E,To uzi R,L aur H.M aximum a posterioris peckle filtering and first order texture models in SAR i mages [A].Proceedi ngs of the IEEE International Geo science and Remote Sensing Symposium (IGARSS )90)[C].M aryland,U SA:IEEE,1990.2409-2412.[5]Yu Y J,Acton S T.Speckle reduction anisotropic diffusion[J].IEEE Transactions on Image Pro cessing,2002,11(11):1260-1270.[6]Charbonnier P,Blanc Feraud L ,Aubert G ,et al.Determinis tic edge preserving regularization in computed imaging [J].IEEETransactions on Image Pro cessing ,1997,6(2):298-311.[7]Perona P,M alik J.Scale s pace and edge detection usinganisotropic diffusion[J].IEEE Transactions on Pattern Analysis and M achine Intelligence,1990,12(7):629-639.[8]Catt F,Lions P L ,Morel J,et al.Image selective smoothing2253第 12 期张良培:基于各向异性扩散的SAR 图像斑点噪声滤波算法and edge detection by nonlinear diffusion[J].SIAM Jo u rnal on Numerical Analysis,1992,29(1):182-193.[9]吕忆松,陈亚珠,郭玉红.基于各向异性散布的医学图像非线性滤波法[J].北京生物医学工程,2003,22(2):81-84.L Yi Song,Chen Ya Zhu,Guo Yu Hong.A medical image nonlinear filtering based on anisotropic diffusion[J].Beijing Biomedical Engineering,2003,22(2):81-84.(in Chinese) [10]K e Chen.Adaptive s moothing via contextual and lo cal disconti nuities[J].IEEE T ransactions on Pattern Analysis and M a chine Intelligence,2005,27(10):1552-1567.[11]Y ou Y L,X u W Y,Tannenbaum A,et al.Behavioral analysisof anis otropic diffusion in image processing[J].IEEE Transac tions on Image Pro cessing,1996,5(11):1539-1553. [12]韩春明,郭华东,王长林,范典.一种改进的SAR图像斑点噪声滤波方法[J].遥感学报,2004,8(2):121-127.Han Chu n Ming,Guo Hua Dong,Wang Chang L in,Fan D ian.An enhanced SAR image speckle filter[J].Journal of RemoteSensing,2004,8(2):121-127.(in Chinese)作者简介:张良培男,1962年生,武汉大学测绘遥感信息工程国家重点实验室教授,博士生导师,主要研究方向为:高光谱遥感、遥感应用理论与方法、遥感影像处理等.E mail:zlp62@王毅男,1979年生,武汉大学测绘遥感信息工程国家重点实验室摄影测量与遥感专业博士研究生,主要研究方向为:遥感图像处理、模式识别和高光谱遥感.E mail:wangyi@2254 电子学报2006年。

基于各向异性扩散的多细节图像消噪方案

基于各向异性扩散的多细节图像消噪方案
郝明;方亮
【期刊名称】《四川理工学院学报（自然科学版）》
【年(卷),期】2010(023)004
【摘要】文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息.
【总页数】4页(P483-486)
【作者】郝明;方亮
【作者单位】四川理工学院自动化与电子信息学院,四川,自贡,643000;四川理工学院自动化与电子信息学院,四川,自贡,643000
【正文语种】中文
【中图分类】TN752;TP212
【相关文献】
1.一种有效保留图像细节的自适应图像消噪方法 [J], 吕俊白;蔡灿辉
2.基于消噪-分离-消噪策略的有噪混合图像盲分离方法 [J], 崔建涛;范乃梅
3.基于图像统计均值和各向异性扩散的指纹图像增强算法 [J], 马蓓;王丹;张小波;王静妮
4.图像有损压缩预处理的各向异性扩散新方案 [J], 许永峰;张书玲
5.有效保留图像细节的自适应图像消噪方法 [J], 张晓琪
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于轮廓波变换和各向异性扩散的图像去噪模型

一种基于轮廓波变换和各向异性扩散的图像去噪模型朱银芳【期刊名称】《计算机应用与软件》【年(卷),期】2013(000)010【摘要】In this paper we propose an image denoising model which uses the Contourlet transform and anisotropic diffusion.By utilising the features of Contourlet transform in better sparsity and multi-directional property,and through diffusing the sub-band images of noise image on different scales with the Contourlet transform applied,as well as adoptingP-norms method to calculate the gradient threshold of sub-band imagesin contourlet domain,we implement a new anisotropic diffusion modelbuilt on the basis of fine image analysis.Simulation results show that the edge-blurring effect in traditional anisotropic diffusion model can be well averted by this proposed model,and more detailed informa-tion such as edges and textures can be preserved while the image is denoising.%提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。