多方向几何非线性扩散图像去噪方法,此文是一篇方向论文范文,为你的毕业论文写作提供有价值的参考。
方向论文参考文献：
摘 要：现有几何非线性扩散滤波器同时在水平和垂直方向进行扩散,没有考虑图像边缘的方向性,有损其去噪效果.提出根据像素8邻域方向的梯度值检测边缘点及其边缘方向,对边缘点仅沿该边缘方向进行几何非线性扩散,而对非边缘点进行4个方向上的几何非线性扩散.5个等级噪声强度和5个典型加噪图像去噪实验结果表明,本文方法能够更有效地去除图像中的噪声,同时更好地保护图像边缘.
关键词：图像去噪；各向异性扩散滤波；非线性扩散滤波；高斯噪声；图像处理
中图分类号：TP391.4 文献标识码：A
Abstract：As the direction of edges in images is not taken into account, the original geometric nonlinear diffusion filter （GNLDF） is not in the best state for images denoising, which diffuses only in the horizontal and vertical directions. In this study, we detected the edges and their directions in images based on the magnitude of the gradient in the direction of the eight neighborhoods of each pixel, then conducted GNLDF at the edge pixel just along the directions of the edges while at any no edge pixel along all four directions. Experiment results of five typical images with five levels of noise intensity show that the proposed method can not only effectively remove the noise but also better protect the edges in images.
Key words：image denoising； anisotropic diffusion filter； nonlinear diffusion filtering； Gaussian noise；image processing
数字图像处理技术在人们日常中的应用越来越重要,而图像去噪是图像处理工作中一直都存在的基础性问题[1-2].随着技术的发展,人们对图像去噪技术有了更高的要求,传统的方法通常是采用线性滤波,如中值滤波、均值滤波等[3].但是这些方法通常都会导致图像细节的丢失,致使图像模糊,图像边缘[4]、纹理等高频信号被滤除.许多学者通过对图像内部像素及像素块之间相关性[5-6]的深入研究,逐渐认识到图像噪声之间的无关性和图像纹理之间的相关性.出于对图像边缘纹理[7]信息的需要,具有保留边缘[8]特性的去噪方法越来越得到重视.
自Perona等人[9]于1990年提出各向异性扩散滤波器（Anisotropic Diffusion Filter, ADF）以来,非线性滤波器得到了长足发展,提出了许多非线性滤波器,如全变差滤波器（Total Variation Filter, TV）[10]、双边滤波器（Bilateral Filter, BF）[11]、非局部均值滤波器（NonLocal Mean Filter, NLM）[12]等.由于各向异性扩散滤波器的扩散模型是病态的,模型解的存在性和唯一性均不能得到保证,目前已提出许多改进的ADF[13-15].最近,Wu等[16]考虑到NLM在权函数设计上的缺陷,在高斯噪声假设下考虑图像块对之间的差异概率分布,提出了按图像块差异大小概率加权的非局部均值滤波器 （Probabilistic Non-Local Means, PNLM）,提高了原NLM方法的去噪性能.
几何非线性扩散滤波器（Geometric nonlinear diffusion filter, GNLDF）是Michel-González等人[17]于2011年提出的改进ADF算法,GNLDF兼顾了图像的全局信息和局部信息.
但是,GNLDF只计算水平和垂直方向的扩散系数,并据此进行扩散,而没有考虑边缘的方向性.因此,GNLDF不能很好地保护非水平和非垂直方向的边缘,而同时达到最佳的去噪效果.鉴于此,本文提出了多方向GNLDF方法.该方法根据像素8-邻域方向的梯度值检测边缘点及其边缘方向,对边缘点仅沿该边缘方向进行几何非线性扩散,而对非边缘点进行4个方向上的几何非线性扩散.因此,能够更有效地去除图像中的噪声,同时更好地保护图像边缘.
1 几何非线性扩散滤波器
2 多方向几何非线性扩散滤波器
2.1 多方向GNLDF噪声和边缘点特征
不难发现,文献[17]中提出的噪声像素点模型和边缘像素点模型是单一方向的（即水平方向或垂直方向）,因此,相应的GNLDF不能很好地保护非水平和非垂直方向的边缘而同时达到最佳的去噪效果.鉴于此,本文提出多方向GNLDF方法（MD-GNLDF）,其原理基于多方向GNLDF噪声像素点和边缘像素点特征,如图2所示,图中灰色点代表感兴趣像素点,其余部分为其八邻域像素点.
图2（a）中感兴趣的像素点（中心灰色点）受到噪声污染之后,像素的灰度值和其八邻域的像素灰度值有一定的差距.但是,依照本文中所划分的4个方向（即0°,45°,90°和135°这4个方向,下文中所指的“4个方向”均表示此含义）,其每个方向上的两个邻域像素点和感兴趣像素点的梯度幅值之和（Grad0,Grad45,Grad90和Grad135分别对应方向为0°,45°,90°和135°）大致相同.图2（b）包含一个方向为45°的边缘（本文中边的方向以45°方向为例）,图像中感兴趣像素点是一个受到噪声污染的边缘像素点（中心灰色点）,其像素的灰度值和黑色的邻域点较为接近.因此,在45°方向上的感兴趣像素点的两个邻域像素点和中心像素点的梯度幅值之和最小,而在其他3个方向上,由于白色的像素点和感兴趣像素点的梯度幅值较大,其绝对值和黑色像素点对中心像素点的梯度幅值之和相较45°方向而言较大.
结论：大学硕士与本科方向毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写方向定位指南针方面论文范文。
基于暗通道的图像去雾处理方法
摘 要：随着信息技术的发展，运用图像传输信息的方式也越来越普遍。对于传统的图像来说，传输已经不是问题。但是近些年的雾天出现增多，给室外的雾天图像。
新闻传播中噪音降噪方法
【摘要】本研究主要从传播者、受传者和传播渠道三个维度出发，通过分析新闻语言、新闻环境和传播形式等，探讨新闻中的噪音类型、噪音形成原因以及降噪方法。
采用盲解卷积多帧图像去模糊
摘 要：曝光时的相机抖动会导致图像模糊并遗弃许多照片，常规盲解卷积方法通常假定图像的频域约束，或过度简化运动路径不能很好地去除相机震动，本文通过。
控制方向未知非线性时滞系统迭代学习控制
摘 要：文章对于一类含有未知控制方向的非线性时滞系统，设计了自适应迭代学习控制算法。在设计控制算法过程中采用了信号置换思想来处理系统中出现的时滞。