基于COMSOL图像处理.docVIP

基于COMSOL图像处理 　　摘要：偏微分方程（PDE）作为一种重要的数学工具，在图像处理中有着广泛的应用。本文介绍了基于PDE的图像处理方法的基本思想和理论框架，并在COMSOL Mutiphysics平台上，对三种经典的PDE方法进行了数值仿真。理论和实验结果表明，图像滤波的PDE方法在去除图像噪声的同时很好地保持了图像的边缘细节，利用PDE模型对图像进行滤波处理是一种有效的方法。 　　关键词：图像处理 偏微分方程 COMSOL Mutiphysics 　　中图分类号：TP317.4 文献标识码：A 文章编号：1007-9416(2011)10-0158-03 　　 　　1、引言 　　在数字图像处理中，由于受到成像方法和条件的限制以及外界干扰，图像信号不可避免地要受到噪声信号污染。图像中的边缘、细节特征等重要信息常湮没于噪声信号中，给图像的后继处理如边缘检测、图像分割、图像匹配等带来很大影响，所以有必要对图像在预处理阶段去噪。 　　图像处理的PDE方法[1]是从大约20世纪90年代开始，并迅速发展起来的一个新兴交叉的学科分支。近年来研究表明，偏微分方程（PDE）理论[2],[3]可以为图像处理提供统一的理论框架。基于PDE的图像滤波方法，在去噪的同时检测图像特征强弱及其方向，显示出了优于传统滤波方法的性能。对于图像特征比较强的区域平滑程度小，对于图像特征弱的区域平滑程度大，并且平滑时尽可能沿着图像特征的方向进行。图像处理的PDE方法不仅可以有效地去除噪声，而且还可以很好地保持图像的边缘细节。 　　COMSOL Multiphysics是一款大型的高级数值仿真软件，广泛应用于各个领域的科学研究以及工程计算，通过有限元方法模拟在科研和工程中能用PDE描述的各种问题。COMSOL Multiphysics以高效的计算性能和杰出的多场直接耦合分析能力实现了任意多物理场的高度精确地数值仿真，在全球领先的数值仿真领域里得到了广泛的应用。本文在COMSOL Multiphysics平台下利用其中的PDE模块对三种经典的图像处理的PDE模型进行数值仿真，达到在去除图像噪声的同时保持图像的边缘细节的效果。 　　2、PDE在图像处理中的发展 　　基于PDE方法的图像处理，最早开始于Gabor[4]和Jain的研究，后来Koenderink[5]与Witkin[6]严格引入尺度空间的概念，他们的研究为PDE在图像处理领域中的应用奠定了基础。随后Perona和Malik[7]等人对此进行了深入的研究，提出了非线性扩散模型，有效地去除了图像的噪声，同时使边缘得到一定程度的保持。1992年，Alvarez-Lions-Morel根据图像灰度等值线的曲率提出了各向异性扩散模型。其中，Perona与Malik在各向异性扩散方面的论文是图像正则化领域最有影响的研究成果。他们建议用一种保持边界的扩散来替代基于热传导等式的各向同性扩散的高速光滑滤波。在此基础上Osher与Rudin[8]等提出冲击滤波器，Rudin提出的全变分下降法，Price等提出的反应―扩散式，都成为当前PDE在图像恢复领域成功应用的典范与当前的研究热点。 　　3、图像处理的PDE模型 　　图像处理中偏微分方程的一般形式为： 　　其中，是一个平面有界开区间，是图像的定义域；是的边界，是边界上的单位外法向量；是初始图像；是依赖于，，，的函数，在滤波处理时，要求不仅能去除噪声，而且还能保持图像的边缘细节。 　　最早用于图像处理的PDE是热方程[9]，实际上是一个各向同性扩散方程。由于线性扩散在去噪时存在模糊边缘的缺点，人们转而去研究非线性扩散。较早的非线性扩散[11]是Perona-Malik提出的如下模型(简称P-M模型）： 　　其中，是依赖于图像梯度模的扩散函数，当时，退化为热方程。通过适当定义扩散函数，P-M模型既可以去噪又能较好地保护边缘。 　　P-M模型用的大小来判断某一局部区域是均匀区域还是边缘。在均匀区域，对应较小，为了去除噪声，扩散应近似为热方程，即各向同性扩散；而在边缘附近，对应较大，磨光作用应“停止”，以保护边缘。这要求是单调减函数且，。 　　整体变分（TV）图像模型[10]最初是为解决图像去噪问题而引入的。整体变分去噪模型，利用了自然图像内在的正则性，易于从噪声图像的解中反映真实图像的几何正则性。TV图像复原模型是由Rudin、Osher and Fatemi提出的，并且现在成为图像复原中最成功的方法。广义的TV去噪模型为： 　　上述泛函在有界变差函数空间下最小，欧拉-拉格朗日方程为： 　　4、利用COMSOL进行数值仿真 　　COMSOL Multiphysics作为一款基于全新有限元理论、直接针对偏微分方程为研究对象的大型数值