圖像去噪的變分引導(dǎo)濾波及其快速算法

發(fā)布時間：2020-04-26 02:17

【摘要】：圖像是人類進(jìn)行信息交流的重要方式之一,由于受到各種因素的影響,圖像中被引入了不同類型的噪聲,導(dǎo)致圖像質(zhì)量的下降。圖像降質(zhì)不僅妨礙了用戶接收有效的信息,也給后續(xù)圖像處理增加了難度。因此,在圖像處理前做好去噪工作十分重要。濾波是常用的去噪方法之一,根據(jù)圖像降噪空間的不同,濾波方法分為兩大類,第一類是以高斯濾波、中值濾波為代表的空間域?yàn)V波方法,另一類是以小波變換、傅里葉變換為代表的頻率域?yàn)V波方法。使用濾波方法可以抑制圖像中的噪聲,但是由于模型內(nèi)在的缺陷,可能會改變圖像邊緣部分中真正的像素點(diǎn),降低了圖像的邊緣保持能力,影響圖像去噪的效果。研究發(fā)現(xiàn),偏微分方程去噪方法可以克服傳統(tǒng)濾波去噪方法的缺點(diǎn),不僅有效的濾除了噪聲,而且保留了較多的圖像邊緣信息。全變分模型以圖像的梯度信息作為正則項(xiàng),通過極小化該梯度信息的模進(jìn)行去噪處理,從其模型特點(diǎn)可知,它有著較強(qiáng)的邊緣保護(hù)能力。使用傳統(tǒng)的梯度下降法來計(jì)算全變分模型,其求解速度較慢,影響了計(jì)算效率。針對以上缺點(diǎn),引入了Split Bregman快速迭代算法對全變分模型進(jìn)行加速處理。由于該計(jì)算方法收斂速度十分快,不僅有效節(jié)約了時間成本,且其計(jì)算結(jié)果也較好。為了提高雙邊濾波的邊界保護(hù)能力,提出了全變分引導(dǎo)的雙邊濾波去噪方法。由全變分模型處理后的結(jié)果包含了豐富的結(jié)構(gòu)信息,該結(jié)果圖像可以給雙邊濾波值域核函數(shù)的計(jì)算提供較多的有效引導(dǎo)信息,使得雙邊濾波能準(zhǔn)確處理圖像的邊緣部分,從而保護(hù)了圖像的邊界特征�？紤]對上述步驟進(jìn)行迭代操作,隨著引導(dǎo)圖像質(zhì)量的提高,所提算法得到較好的去噪效果。為了使引導(dǎo)濾波能在不同噪聲水平情況下都能保持著良好的去噪性能,提出了各向異性全變分引導(dǎo)濾波的迭代去噪模型。因?yàn)楦飨虍愋匀兎帜Ｐ褪褂昧藞D像梯度信息的一階范數(shù)作為其正則項(xiàng),可以保留原圖像更多的邊緣特征,給引導(dǎo)濾波提供了豐富的結(jié)構(gòu)信息。實(shí)驗(yàn)分析表明,本算法突破了引導(dǎo)濾波限于低水平噪聲的局限性,使其可以適用于處理更高噪聲水平的情況。
【圖文】：