基于PDE的线条痕迹图像去噪算法研究

由于金属表面的锈蚀,使得线条痕迹图像易受噪声影响,造成图像特征提取、比对和分析困难等问题。常用的去噪方法如高斯滤波易破坏边缘特征,形成边缘偏移,均值滤波不能够有效区分边缘与背景。为此,提出一种新的图像去噪算法。在以PM方程为扩散模型的偏微分方程滤波算法中,根据条纹的纹理特性,在不同扩散方向系数中引入不同权值,同时在迭代中依据图像的灰度直方图选取扩散门限。实验结果表明,线条痕迹图像降噪效果优于PM模型和林石算子,在处理线条痕迹图像中有较好的应用价值。

同向平均梯度的各向异性扩散模型

遥感图像成像过程中经常会产生包括高斯噪声和椒盐噪声的图像噪声,这些噪声在很大程度上降低了图像的清晰度,影响了图像的实际应用。如何在有效的去除图像噪声的同时又能够很好的保留图像的纹理信息,成为遥感图像去噪追求的目标。针对林石算子和基于非线性小波阈值的各向异性扩散方程存在的不足,提出一种基于同向平均梯度值的各向异性扩散去噪模型,该模型克服了林石算子和基于非线性小波阈值的各向异性扩散方程无法去除强高斯噪声和椒盐噪声的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理信息。实验结果表明,提出模型的稳定性和有效性,并且去噪后的图像信噪比较林石算子和基于非线性小波阈值的各向异性扩散方程分别提高了24dB。