[发明专利]一种基于边缘增强算子的各向异性扩散噪声处理方法

说明书

本发明公开了一种基于边缘增强算子的各向异性扩散噪声处理方法，首先输入含有高斯噪声的待处理图像，使用高斯滤波器对噪声图像进行预处理，去除较大噪声；建立八方向5×5边缘增强算子模板，将增强算子与预处理后得到的图像进行卷积运算，得到对应的梯度信息；然后，构造了一种基于双曲正切函数的扩散系数模型，用来控制扩散程度；将扩散函数代入改进的各向异性扩散方程，得到去噪后的图像；最后，重复上述步骤N次，完成迭代，并输出滤波后图像。本发明方法在滤除图像噪声的同时能够有效地保留图像边缘、纹理、细线、弱边缘和细节，防止阶梯效应，且处理速度更快。

技术领域

本发明属于数字图像处理技术领域，具体涉及一种基于边缘增强算子的各向异性扩散噪声处理方法。

背景技术

图像的噪声处理在图像处理中是一个基础而重要的步骤，直接决定了图像处理的后续工作包括图像分割、图像分类、特征提取和模式识别等的可行性与准确性。图像去噪旨在从噪声腐蚀中重建图像，可以改善退化图像质量，以便更好地解释和提取数据。各向异性扩散方程使得图像在梯度较大的边缘处扩散程度较小，在梯度较小的平坦区域扩散程度较大，从而达到既滤除图像噪声又保留图像边缘信息的目的，在图像滤波方面取得了令人瞩目的成果。

PM模型每一次迭代都是以周围四个方向的梯度值来计算该中心点变换后的灰度值，这可能会导致图像细节的损失并产生虚假轮廓。

Catte等人提出了正则化的P-M模型，该模型消除了P-M方程不适定、无法滤除大噪声点等缺点。Gilboa等人提出了一种正逆各向异性扩散模型，在去除噪声的同时有效的加强了图像边缘信息。各向异性扩散滤波是一个迭代过程，它依赖于一些参数，如扩散系数和时间参数，因此提出了优化这些参数的方法以获得更好的去噪效果[4-6]。2016年，Tebini等人将各向异性扩散模型的扩散方向由原来的四方向扩展到八方向，新增了东北(NE)、西北(NW)、东南(SE)、西南(SW)4个方向，并提出一种新的扩散系数方程，其流函数的收敛速度远快于P-M模型中扩散函数的收敛速度，加快了模型去噪的速率，减少运算量，从而在较短的时间内可以取得较好的去噪效果，但该方法仍然存在阶梯效应。

发明内容

发明目的：本发明目的是针对现有的各向异性扩散滤波过程中存在的阶梯效应以及无法滤除大噪声点的缺点，提出一种基于边缘增强算子的各向异性扩散噪声处理方法，能在滤除图像噪声的同时能够有效地保留图像边缘和细节，防止阶梯效应。

技术方案：本发明所述的一种基于边缘增强算子的各向异性扩散噪声处理方法，包括以下步骤：

(1)输入含有高斯噪声的待处理图像，使用高斯滤波器对噪声图像进行预处理，去除较大噪声；

(2)建立八方向5×5边缘增强算子模板，将增强算子与步骤(1)中预处理后得到的图像进行卷积运算，得到对应的梯度信息；

(3)构造了一种基于双曲正切函数的扩散系数模型，用来控制扩散程度；

(4)将步骤(3)计算出的扩散函数代入改进的各向异性扩散方程，得到去噪后的图像；

(5)重复上述步骤(2)至步骤(4)N次，完成迭代，并输出滤波后图像。

进一步地，所述的待处理图像为彩色图像或灰度图像。

进一步地，步骤(1)所述图像预处理通过以下公式实现：

I_σ(x,y)＝G_σ*I(x,y)

其中，G_σ为高斯滤波算子，*为卷积符号，I(x,y)为输入的噪声图像，I_σ(x,y)为经高斯滤波器处理后的图像。

进一步地，所述步骤(2)实现过程如下：