一种基于梯度与拉普拉斯算子的混合自适应图像去噪方法技术

本发明专利技术公开了一种基于梯度与拉普拉斯算子的混合自适应图像去噪方法，针对现有技术中传统的二阶去噪方法具图像平滑区域会产生阶梯效应，使图像视觉效果不够理想，而高阶模型虽然有效去除了阶梯效应，但存在孤立点效应、纹理细节模糊等缺点，提出了梯度与拉普拉斯算子的混合自适应图像去噪算法，能有效抑制阶梯效应和孤立点现象，而且很好的保留了图像的纹理细节特征，去噪效果明显。

【技术实现步骤摘要】

本专利技术涉及偏微分图像去噪领域，具体涉及一种基于梯度与拉普拉斯算子的混合 自适应图像去噪方法。
技术介绍
现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰 等影响导致质量下降。不但影响了视觉效果而且为后续图像的处理造成困难，因此图像去 噪是数字图像处理中的重要环节和步骤。自从偏微分方程被引入图像处理时，二十几年来 大量学者在这一领域不断的进行理论创新和补充完善以及各种数值方法的研宄计算，使得 偏微分在这一领域得到飞速发展。变分的方法就是其中的处理工具之一，基于变分方法的 图像去噪是通过最小化能量泛函得到偏微分方程，数值离散化后对图像进行滤波。 现有经典模型主要为PM模型和YK模型。 PM模型： Perona和Malik在热传导方程（热扩散方程）的基础上，建立各向异性扩散方程 (PM模型），其能量泛函为：【主权项】1. ，其特征在于，该方法包 括如下步骤： 1) 首先对原始图像U进行了Gauss正则化用|VG。叫来代替|V"|; 2) 用l=l-cos(^^)该一权函数对梯度和拉普拉斯算子进行组合得到下式； max(c.〇 (1-/1)|六"| + /1|￥&*"|， 其中，A是特征函数用来权衡梯度与拉普拉斯算子；C为图像像素；max(c)为图像像素 的最大值； 3) 引入保真项（u*G。-!!)，其中u*G。做为Guass低通滤波； 4) 经过步骤1)~3)后得到去噪新模型，其能量泛函如下：式中Q为图像区域，利用梯度下降法解其最小能量泛函，获得扩散方程：5) 利用中屯、差分法对步骤4)中的去噪新模型进行离散化，获得去噪图像。【专利摘要】本专利技术公开了，针对现有技术中传统的二阶去噪方法具图像平滑区域会产生阶梯效应，使图像视觉效果不够理想，而高阶模型虽然有效去除了阶梯效应，但存在孤立点效应、纹理细节模糊等缺点，提出了梯度与拉普拉斯算子的混合自适应图像去噪算法，能有效抑制阶梯效应和孤立点现象，而且很好的保留了图像的纹理细节特征，去噪效果明显。【IPC分类】G06T5-00【公开号】CN104851082【申请号】CN201510262298【专利技术人】石兰芳, 曾彬, 周先春 【申请人】南京信息工程大学【公开日】2015年8月19日【申请日】2015年5月21日本文档来自技高网...

【技术保护点】
一种基于梯度与拉普拉斯算子的混合自适应图像去噪方法，其特征在于，该方法包括如下步骤：1)首先对原始图像u进行了Gauss正则化用来代替2)用这一权函数对梯度和拉普拉斯算子进行组合得到下式：(1-λ)|Δu|+λ|▿Gσ*u|,]]>其中，λ是特征函数用来权衡梯度与拉普拉斯算子；c为图像像素；max(c)为图像像素的最大值；3)引入保真项(u*Gσ‑u)，其中u*Gσ做为Guass低通滤波；4)经过步骤1)～3)后得到去噪新模型，其能量泛函如下：E(u)=∫Ω((1-λ)|Δu|+λ|▿Gσ*u|)dΩ+λ~2∫Ω|u*Gσ-u|2dΩ]]>式中Ω为图像区域，利用梯度下降法解其最小能量泛函，获得扩散方程：∂u∂t=-▿2[c((1-λ)|Δu|+λ|▿Gσ*u|)▿2u]+λ~(u*Gσ-u)u(x,y,0)=u0(x,y)]]>在上式中去取扩散率函数c(·)为：c((1-λ)|Δu|+λ|▿Gσ*u|)=11+((1-λ)|Δu|+λ|▿Gσ*u|k)2]]>5)利用中心差分法对步骤4)中的去噪新模型进行离散化，获得去噪图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：石兰芳，曾彬，周先春，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32