改进的变分自适应中值滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,该文提出了一种基于两阶段方法去除图像椒盐噪声的算法。首先,利用改进的自适应中值滤波算法标识出图像中被污染的像素点,然后对被污染的像素点采用变分滤波的方法进行恢复。此方法利用了自适应中值滤波良好的噪点识别能力和变分滤波的细节保护的特性,对于噪声密度高达80%的图像依然可以达到很好的恢复效果。仿真结果验证了所提出算法的有效性,并且在效果上要明显优于传统的变分自适应中值滤波算法。

一种变分自适应中值滤波算法

针对自适应中值和变分滤波方法脉冲噪声去除能力的不足,提出了一种新的变分自适应中值滤波方法。首先采用自适应中值滤波器对脉冲噪点进行标识,然后对标识的噪点构建由逼近条件和边缘保持正则化条件构成的代价函数,通过变分方法对代价函数寻优求解,对噪点进行恢复。最后进行了仿真试验,并与标准中值滤波,开关中值滤波,自适应中值滤波,和变分滤波方法进行了比较。试验结果表明,在信噪比和细节保留方面明显优于上述滤波方法,可以有效去除高达90%的脉冲噪声。

基于平滑核的广义变分去噪模型

基于偏微分方程的变分模型是目前图像处理中最好的方法之一,然而,在解决图像去噪中的反问题时,传统的全变分模型存在"阶梯"效应这一固有缺陷。针对该不足,本文提出了一种基于平滑核的广义变分去噪模型(即u^=argminuJ(u)=∫Ω(u)dxdy+λ2∫Ωu-u0 2dxdy),该模型采用通用形式的平滑核函数作为图像的正则化项,选取一种鲁棒性好和边缘保持能力强的势函数,利用变分原理推导出与该模型相应的偏微分方程,最后给出了结合梯度加权最速下降法和半点格式的数值迭代算法(uni,+j1=uin,j+δt.(′(u u)uξξ+″(u)uηη)ni,j+(λ(u0-u))in,j)。大量实验仿真结果表明,该模型对高斯噪声图像具有良好的噪声滤除和细节保护能力,与传统全变分模型相比,无论是主观视觉效果,还是客观性能评价指标(PSNR)方面,都具有明显的优势。