一种结合P-M模型和CED模型图像平滑方法.pdfVIP

一种结合P-M 模型和CED 模型的图像平滑方法∗ 赵凤群，冷成财，戴芳 西安理工大学理学院，西安（710054 ） E-mail ：lcc1632000@163.com 摘 要：P-M 模型不能有效保持线状特征且在扩散中产生“块状效应” ，CED 模型在图像平 滑中容易出现虚假条纹。根据小波域中噪声能量的估计，提出一种结合P-M 模型和CED 模 型的去噪模型。该去噪模型不仅克服了P-M 模型和CED 模型各自的缺点，而且能较好地定 向边缘、去除平坦区域噪声，同时还保持图像纹理等细节特征。实验结果表明该方法既有效 地抑制噪声，又能保护图像边缘等纹理特征并减少了虚假条纹现象。 关键词：各向异性扩散；相干增强扩散；图像平滑；小波变换 中图分类号：TP391．4 文献标识码：A 1 引言 图像平滑是图像处理中的一个重要课题，其目的是在平滑的同时尽可能地保护边缘。常 用的图像去噪方法有邻域平均滤波、中值滤波和维纳滤波等。这些传统的滤波方法简单方便， 具有较好的滤除噪声效果，但对高斯噪声滤波的同时模糊甚至破坏了图像的细节和边缘。 Perona 和Malik 提出各向异性扩散模型[1]，即P-M 模型。该模型实际上是一个非线性抛物型 偏微分方程，扩散速度由图像的梯度决定，克服了传统去噪方法的缺点。P-M 模型的提出引 发了偏微分方程在图像平滑中的广泛应用[2-7] 。 但P-M 模型也有其缺点，它不能很好地保护边缘，在平滑过程中出现“块状效应”[8]，平 滑后的图像显得不自然，图像中的一些线状特征等丢失。相干增强扩散(Coherence-Enhancing Diffusion ，CED)的扩散张量的特征值没有考虑到光滑区域与边缘区域之间的差别，往往会 在光滑区域产生许多虚假边缘，影响了图像的质量。而P-M 模型在光滑区域能较好地去噪， 在边缘处基本上不处理，CED 沿边缘方向扩散大而沿垂直边缘方向扩散小，以增强边缘为 依据，并能很好地确定边缘方向。本文根据P-M 模型在低频和CED 模型在混频、高频各自 的优点，首先对图像进行一层小波分解，在低频区域进行P-M 扩散，在混频、高频区域进 行CED 。这样解决了P-M 模型在低频区域的噪声去除和边缘细节等保护，克服了CED 在光 滑区域产生虚假边缘，达到增强边缘和确定边缘方向。仿真结果表明，该方法既能去除噪声， 又可以较好地保护边缘纹理细节等，是一种比较好地去噪方法。 2 P-M 模型和CED 模型 2.1 P-M 模型 令u ：R 2 →R 表示一个灰度图像，其中u (x, y) 为原始灰度图像。引进时间参数t ， 0 0 则对u (x, y) 去噪相当于求解如下偏微分方程： 0 ∂u F ⎡u (x, y,t ⎤) (1) ⎣ ⎦ ∂t 其中，u(x, y,t) ：R 2 × 0,τ →R 表示时刻t 的图像，F 表示一个特定的算法所对应的算 [ ] 子。 ∗本课题得到西安理工大学校科学研究计划（X 类）基金（108－210602 ）的资助。 - 1 - [1] 1990 年，Perona 和Malik 提出了P-M 模型 为 ⎧∂u