基于各向异性全变分的迭代滤波算法

空间邻近度和像素值相似度的双边滤波(BF)器在滤波时,由于其值域滤波核系数的计算易受到噪声的干扰,在噪声水平较大时,直接使用噪声图像来指导核函数权值计算的方案不可行。为此,提出一种结合各向异性全变分和BF的图像去噪算法,将各向异性全变分算法与BF算法相结合,首先利用各向异性全变分算法对噪声图像进行处理,得到一幅边缘结构信息较为丰富的结果图像,接着将该结果图像作为BF算法的引导图像来指导值域滤波核系数的计算,为保证算法的稳定性,对上述过程进行迭代处理。此外,为提高各向异性全变分算法的计算效率,引入了Split Bregman迭代算法进行加速处理。实验表明,该算法能在较好去噪的同时,保留较多的边缘结构信息。

结合区域分割和双边滤波的图像去噪新算法

提出一种结合区域分割和双边滤波的图像高斯噪声抑制新算法。基于像素的双边滤波器在滤波时,由于平滑系数的选择受到噪声的干扰,在图像边缘区域的滤波存在一定的盲目性,导致滤波结果中结构信息不能有效保持。本文在图像分割的基础上利用区域图来指导双边滤波过程,根据区域内的噪声属性和区域间的相似程度来分别计算相应像素间的滤波平滑系数。通过对区域内与区域间进行不同模式的滤波,增强了滤波算法对图像结构的自适应性。实验结果表明,该算法在获得良好去噪效果的同时,能有效保持图像的结构信息。

全变分引导的双边滤波图像去噪方法

双边滤波是一种结合了图像空间邻近度和像素值相似度的非线性滤波方法。当噪声水平较小时,使用输入的待去噪图像来引导双边滤波核函数权重的计算较为可行,但当噪声水平变大时,噪声图像的结构信息被严重破坏,影响了双边滤波器中值域核函数权值的准确计算。提出了全变分引导的双边滤波图像去噪方法,给出其Split Bregman快速算法。利用全变分模型对噪声图像进行光滑,得到一幅包含清晰结构信息的图像,将图像作为双边滤波的引导图像进行计算,对上述过程进行迭代处理以提高算法的稳定性。实验表明,提出得算法不仅在主观视觉效果上优于双边滤波,客观评价指标PSNR值也较双边滤波提高了1.5dB左右;在较好去除噪声的同时较好地保持了边缘结构。