1-中国图象图形学报.doc

结合核方法的选择性各向异性扩散去噪算法 刘建磊1,2) 冯大政2) 1)(西安电子科技大学计算机学院 西安 710071) 2)(西安电子科技大学雷达信号处理国家重点实验室 西安 710071) 摘要 在低信噪比图像噪声抑制处理中，为了有效地保持图像边缘，在基于多相位分层分割方法的各向异性扩散模型的基础上，提出了一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点，首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间，在特征空间中实现图像分割。然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数，最后，在同质区域中采用改进的P-M模型平滑噪声。实验结果表明，该算法无论在噪声去除还是边缘保持上都具较好的效果。 关键词 图像处理；图像平滑；各向异性扩散；核方法 中图法分类号 TP391.41 The Selective Anisotropic Diffusion for Noise Reduction Combining with Kernel Method Liu Jianlei1,2) Feng Dazheng2) 1)( School of Computer Science and Technology, Xidian University ,Xi’an 710071) 2)(National Lab. of Radar Signal Processing , Xidian University ,Xi’an 710071) Abstract In order to effectively preserve edges of low signal-to-noise image, a kernel method-based selective anisotropic diffusion denoising algorithm is proposed. The algorithm based on anisotropic diffusion model of multiphase hierarchy segmentation method. The image data is generally nonlinear separable. For this reason, at first, the data term of multiphase hierarchy segmentation method is promoted from low-dimensional space to high-dimensional space by the kernel method. In the high-dimensional space the multiphase hierarchy segmentation method is applied for the image segmentation. Then, the diffusion coefficient of P-M model is improved based on gradient information of the homogeneity region. Finally, the proposed P-M model is used to smooth noise in the homogeneity region. The experimental results show that the proposed algorithm has capabilities of efficiently reducing noise and preserving edge. Key words image processing; image smoothing; anisotropic diffusion; kernel method 0 引言 图像平滑是计算机视觉和图像处理中非常重要的内容。传统的各向同性扩散模型[1]对图像平滑区和边缘进行相同尺度滤波，在抑制噪声的同时也使图像的边缘信息变得模糊。随着迭代次数的增加边缘会变的越来越模糊，最终整幅图像的边缘信息有可能完全消失。 近年来，各向异性扩散技术[2-6]已经成为一个有效的工具被广泛应用到了图像处理领域，其最大的特点是实现保边缘平滑。其中比较经典的方法是Perona和 Malik于1990年提出的P-M模型。但该模型中的扩散系数不能完全保证模型的保边缘平滑性能。Song Gao等[7]将多相位分层分割方法