基于图像特征的各向异性扩散去噪方法:贝壳的力学性能呈现各向异性的特征

　　摘 要:对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘，为此，提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。
　　关键词:图像特征;各向异性扩散;相干性;扩散张量;特征值
　　中图分类号: TP391.41 文献标志码:A
　　�
　　Anisotropic diffusion denoising method based on image feature
　　�
　　KE Dan�dan, CAI Guang�cheng���*�, CAO Qian�qian
　　�(
　　Faculty of Science, Kunming University of Science and Technology, Kunming Yunnan 650500, China
　　)�
　　Abstract:
　　As for the image denoising filter method, the model proposed by J. Weickert does not consider the distinctions between the smooth area and other image features. The diffusion in smooth area is also in accordance with the eigenvalues of local structure characteristics, thus inevitably producing false edges in smooth area. An improved anisotropic diffusion method was proposed. This method firstly used the Wiener filter to weaken the influence of noise on the image, then coherence was applied to judge image feature correctly, as edge region, smooth area, T�shape corner and so on, and the diffusion tensor�s eigenvalues in corresponding region were set based on image feature. The experimental results show that the improved method can not only achieve better results in elimination of noise and protection of edge, but also remove false edge in smooth area effectively and get higher peak signal�to�noise ratio.
　　�Key words:
　　image feature; anisotropic diffusion; coherence; diffusion tensor; eigenvalue
　　�
　　
　　0 引言�
　　成像过程中由于受内外因素的干扰,图像总不可避免地存在噪声,这些噪声在很大程度上影响了图像细节的真实情况,降低了图像质量。因此,如何有效去除噪声,保护图像细节特征,提高图像质量,一直是人们广泛研究的问题。�
　　近年来,偏微分方程(Partial Differential Equation,PDE)方法应用于图像去噪的高质量处理结果引起了人们的广泛关注��[1-14]�。应用偏微分方程方法去噪主要有3个发展方向: 第一,由线性扩散模型到非线性扩散模型的转变,非线性扩散模型以P�M模型��[1]�为代表;第二,由简单的一类方程到复杂的多类方程转变,如Lysajer等��[2]�提出的高阶方程,Gilboa等��[3-4]�提出的逆扩散方程以及实扩散与复扩散的综合等;第三,由偏微分方程的一步实现向多步实现转变,如�J. Weickert���[5-7]�的各向异性扩散方程先用线性方程对边缘进行定向,再用非线性方程实现沿边缘的定向扩散,实现了线性方程与非线性方程的结合��[8]�。�
　　目前,偏微分方程去噪研究的重点仍放在多类方程的综合和偏微分方程的多步实现上。但由于多类方程的综合会增加约束参数的个数和模型的复杂性,给处理带来很大麻烦,所以其前景较偏微分方程的多步实现差。�
　　本文针对J. Weickert��[5-7]�提出的各向异性扩散方程模型处理加噪图像时在光滑区域中会出现虚假边缘的缺点,采用相干性��[9]�正确判断图像的边缘区域和光滑区域,及拐角和T形局部结构,基于图像特征构造新特征值,从而构造新的扩散张量,以实现对不同图像特征进行不同程度的扩散,从而在保护图像边缘和重要细节的同时,消除光滑区域的虚假边缘。�
　　
　　4 结语�
　　本文针对J.Weickert模型扩散张量特征根的选取不适合光滑区域去噪,从而导致虚假边缘的缺点,引入图像相干性判断图像特征,正确区分图像边缘、光滑区域和T形拐角等结构,并基于图像特征构造相应区域扩散张量的特征值分别进行扩散,且采用了维纳滤波做预处理。实验结果表明,本文所提出的基于图像特征构造扩散张量新特征值的各向异性扩散方法,继承了现有P�M模型和J.Weickert模型的优点,且有效地解决了 J.Weickert模型在光滑处产生虚假边缘的缺点,在去除噪声的同时很好地保留一些重要的边缘、拐角和T形局部结构,在算法效率上也优于J.Weickert模型。
　　�参考文献:�
　　[1]
　　PERONA P, MALIK J. Scale�space and edge detection using anisotropic diffusion [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990,12(7):629-639.
　　�[2] LYSAKER M, LUNDERVOLD A, Tai X C. Noise removal using fourth�order partial differential equation with applications to medical magnetic resonance images in space and time [J]. IEEE Transactions on Image Processing, 2003,12(12): 1579-1590.
　　�[3] GILBOA G, ZEEVI Y Y, SOCHEN N A. Forward and backward diffusion processes for adaptive image enhancement and denoising [J]. IEEE Transactions on Image Processing, 2002,11(7):689-703.
　　�[4] GILBOA G, ZEEVI Y Y, SOCHEN N A. Complex diffusion processes for image filtering [EB/OL]. [2010��05��10]. http://webee.technion.ac.il/people/zeevi/papers/Springer/65j�fulltext.pdf.
　　�[5] WEICKERT J. Theoretical foundations of anisotropic diffusion in image processing [C]// Proceedings of the 7th TFCV on Theoretical Foundations of Computer Vision. New York: ACM Press, 1996: 221-236.
　　�[6] WEICKERT J. Anisotropic diffusion in image processing �[M].� Stuttgart: Teubner�Verlag, 1998.
　　�[7] WEICKERT J. Coherence�enhancing diffusion filtering [J]. International Journal of Computer Vision, 1999, 31(2/3): 111-127.
　　�[8] 谢美华,王正明. 基于边缘定向增强的各向异性扩散抑噪方法[J].电子学报,2006,34(1):59-64.
　　�[9] 王大凯,侯榆青,彭进业.图像处理的偏微分方程方法[M].北京:科学出版社,2008:110-140.
　　�[10] CATTE �F,� LIONS �P�L,� MOREL �J�M,� �et al.� Image selective smoothing and edge�detection by nonlinear diffusion [J]. SIAM Journal on Numerical Analysis, 1992, 29(1): 182-193.
　　�[11] ZHANG YONGDE, DING MINGYUE. Low�contrast edge enhancing anisotropic diffusion for speckle reduction [C]// ICGEC�2010: Proceedings of the Fourth International Conference on Genetic and Evolutionary Computing. Piscataway, NJ: IEEE Press, 2010: 703-708.
　　�[12] 王正明,谢美华.偏微分方程在图像去噪中的应用[J].应用数学,2005,18(2):219-224.
　　�[13] 冯象初,王卫卫.图像处理的变分和偏微分方程方法[M].北京:科学出版社,2009.
　　�[14] 苏永利,张博,张书玲.各向异性张量逆扩散指纹图像增强方法[J].计算机工程与应用,2009,45(31):180-182.
　　�[15] WANG WEIWEI, FENG XIANGCHU. Anisotropic diffusion with nonlinear structure tensor [J]. SIAM Journal on Multiscale Modeling and Simulation, 2008,7(2):963-977.
　　�[16] 王卫卫,冯象初. 图像处理中扩散方法的快速数值解法[J].电子与信息学报, 2009, 31(7): 1736-1740.

推荐访问:各向异性 扩散 图像 特征