2013350 一种基于总变分的自适应图像去噪方法2013350 一种基于总体变分的自适应图像去噪方法.doc

一种基于总体变分的自适应图像去噪方法 摘要：建立了总体变分自适应图像去噪模型，并给出了其非线性各向异性扩散方程的数值解法，该方法采用高斯滤波器对噪声图像进行预处理，并利用图像每个像素的梯度信息，使其扩散方程在沿边缘方向上具有较大的扩散系数，而在垂直边缘的方向上具有较小的扩散系数。因此，总体变分自适应图像去噪方法不但能抑制噪声，还能很好地保持图像的边缘和纹理特征。图像去噪仿真实验表明，该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。 关键词：偏微分方程；总体变分；图像去噪；自适应；梯度 中图分类号：TP751 文献标识码：A An Adaptive Image Noise Removal Method Based on Total Variation Abstract: This paper illustrates an adaptive image noise removal method based on total variation and provides the numerical solution for the nonlinear anisotropic diffuse equation. This method uses a Gaussian filter for noised images preprocessing and the gradient of every pixel is used in the diffuse equation, which has a bigger diffuse coefficient along the direction of image edges and a smaller one on vertical directions against image edges. Therefore, the adaptive image denoising method based on total variation, achieves noise restriction and detail preservation simultaneously. Image noise removal simulated results show that the performance of this method is obviously better than the total variation denoising method and traditional smooth methods such as median filtering, Wiener filtering and so on. Key words: Partial Differential Equation(PDE); Total Variation; Image Noise Removal; Adaptive; Gradient 1 引言 图像去噪是图像处理领域的一个重要问题，其关键在于去除噪声的同时能保持图像的边缘和纹理等细节特征。通常情况下，在空间域内可以用邻域平均来减少噪声；在频率域可以采用各种形式的低通滤波来降低噪声。均值滤波、中值滤波、维纳滤波等都是常用的图像去噪方法，但这些传统方法在平滑图像噪声的同时，也会使图像边缘和纹理变得模糊。自上世纪90年代以来，偏微分方程（PDE）图像处理技术发展迅速。Perona和Malik关于各向异性扩散的文章[1]是偏微分方程图像处理领域中最具影响的论文之一，他们提出了著名的P-M扩散方程，并指出扩散程度应该同图像内容相联系，将图像处理转化为对偏微分方程的求解。1992年，Rudin和Osher提出了总体变分（TV）图像模型[2]，通过构造图像的能量函数，并对能量函数最小化使得图像达到平滑状态。本文针对图像去噪问题，建立了一种总体变分自适应图像去噪模型，数值计算和仿真实验表明，该模型在平滑噪声的同时，很好地保留了图像的边缘和纹理特征。 2 总体变分自适应图像去噪模型 设是原始的清晰图像，是被加性噪声污染的退化图像，即 (1) 其中，为具有零均值，方差为的随机噪声。定义图像的总体变分为 (2) 有噪声图像的总体变分要明显大于无噪声图像的总体变分。因此，图像去噪问题转化为最小化总体变分问题[3][4][5]。构造关于总体变分的能量泛函[2]如下： (3) 其中是调节抑制噪声与平滑程度的重要参数，它依赖于图像噪声水平，噪声越大，其取值要小一些；反之，取值则大一些。根据文献[4]，该模型的欧拉-拉格朗日方程