小波包与偏微分方程相结合的图像去噪方法

图像在去噪时,梯度算子不能有效识别图像的灰度渐变区和图像淡边缘,而二阶微分量含有更丰富的信息,首先构建二阶微分算子,建立兼顾PM(Perona-Malik)模型和MCD(mean curvature diffusion)模型两者优点的权重函数,可自适应的去除噪声;再用小波包对噪声图像进行系数分解,克服权重函数易受噪声影响的弊端,建立基于小波包与偏微分方程的图像去噪算法。实验结果表明,该算法在兼顾保持区域内部较好光滑性的同时,很好地保持了边缘纹理信息,是一种理想的算法。

混合维纳滤波与改进型TV的图像去噪模型

在图像去噪处理过程中,为了保持图像的边缘及内部纹理信息,提出一种基于全变差改进的加权维纳滤波图像去噪模型。提出的模型利用加权项将维纳滤波与改进后的全变差模型相结合,通过构建新算子建立新的扩散模型使得图像每一个像素点的梯度信息可以自适应地选择去噪的最佳模式来平滑噪声图像,既能够在保护边缘的条件下预先处理高斯噪声,同时可以克服全变差模型的"阶梯效应"。结果表明,新模型不仅能够有效去除噪声,强化边缘还有效地保证了边缘结构的细节信息。在峰值信号噪声比测试中,该模型较之于传统线性滤波法的信噪比提高了20 d B左右,均方差也大幅降低,更具理想性。