[发明专利]一种基于各向异性扩散模型的自适应边缘保持去噪方法

权利要求书

1.一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：包括以下步骤：

步骤一

先读取待去噪的原始噪声图像，再对噪声图像进行高斯滤波处理，得到预处理图像；

步骤二

在各向异性扩散模型的基础上，在自适应图像去噪算法模型中引入高斯曲率，由图像梯度进行边缘检测，再结合高斯曲率和分数阶微分算子的性质，由图像的局部方差建立分数阶微分算子，加入正则化项，构建自适应边缘保持去噪算法模型：

其中，I₀为原始图像，I₁为在I₀上经过高斯滤波处理的图像，t为扩散尺度，div和分别表示散度算子和梯度算子，λ是一个参数，用于控制去噪后图像I和预处理图像I₁的保真度；

步骤三

设定迭代次数及模型中的各参数；

步骤四

根据自适应边缘保持去噪算法模型对噪声图像进行迭代计算，得到图像迭代结果，每次迭代的结果即为此次去噪结果。

2.根据权利要求1所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：所述步骤四中，在每次迭代中，先计算八方向梯度，再计算高斯曲率，接着计算局部方差，然后调用双边滤波函数，将上述计算结果代入扩散函数中得到扩散系数，将扩散系数代入八方向离散迭代公式，八方向离散迭代公式为：

加上通过预处理图像减去上次迭代结果得到的正则项，得到此次迭代结果。

3.根据权利要求2所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：所述扩散系数为：

其中，B_F为用于保护边缘的双边滤波算子，v为局部方差，m为高斯曲率，k为自适应阈值。

4.根据权利要求3所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：所述扩散系数中采用双边滤波替换高斯核函数，并加入局部方差保证图像的平滑性和保持纹理细节。

5.根据权利要求3所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：所述扩散系数中每个像素值的阈值表达为：

式中，为梯度值，阈值k随着梯度的增大而增大。

6.根据权利要求5所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：当梯度值高于阈值k，g(x)→0时，扩散过程停止。

7.根据权利要求1所述的一种基于各向异性扩散模型的自适应边缘保持去噪方法，其特征在于：所述步骤四中，图像去噪后分别计算其与真实图像的峰值信噪比、结构相似性和均方根误差，并进行对比，以证明去噪效果。