基于图像特征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。

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。