基于小波变换与You-Kaveh模型改进的图像去噪方法

文中在You-Kaveh模型(简称Y-K模型)基础上通过构造新的扩散系数提出新的四阶偏微分方程去噪模型(简称四阶PDE去噪模型)。先对含噪图像进行高斯滤波,预先平滑掉较大噪声点;利用二维离散平稳小波分解变换对图像进行分解,分解层数的多少会直接影响到图像的视觉效果,本文选择对图像进行3层分解;利用新的模型对含噪图像分解后的高频子带进行去噪处理,低频不处理,避免过度增强;最后重构增强后的高频子带和低频子带。通过仿真实验证明,本文提出的模型能够较好地去除高斯噪声并保持图像特征,也克服了二阶偏微分方程和原四阶偏微分方程的缺点,同时具有很好的去除椒盐噪声的能力。

基于CONVEF的四阶各向异性扩散及图像去噪

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。

一个基于四方向的拉普拉斯算子的四阶偏微分去噪方法

将"四方向"(水平、垂直、斜左上、斜左下四个方向)引入拉普拉斯算子,改进了You-Kaveh模型,提出一个新的四阶偏微分去噪方法.实验结果表明,新方法比You-Kaveh模型能更好地去除高斯噪声,PSNR值得到了提高.