[发明专利]自适应阈值图像去噪算法

摘要

本发明涉及一种自适应阈值图像去噪算法，包括以下步骤，（1）将噪声图像进行Gauss滤波，去除较大噪声；（2）构建拟合扩散系数；（3）建立自适应阈值；（4）建立自适应阈值图像去噪算法模型；（5）用半隐式加性算子分裂（AOS）算法对图像进一步处理，得到去噪后的图像。本发明复杂度低，时效性高，去噪后的图像信噪比与经典算法相比提高了15个dB左右，能有效的保护图像的边缘和纹理等细节信息。

主权项

自适应阈值图像去噪算法，其特征在于，包括以下步骤，步骤一、将噪声图像进行Gauss滤波，去除较大噪声；步骤二、基于PM算法的扩展方程∂I∂t=div(g(|▿I|)·▿I),]]>其扩散系数g1=11+(|▿I|/k)2]]>与g2=exp[-(|▿I|k)2],]]>构建拟合扩散系数g3=|▿I|max{W,H}*g1+(1-|▿I|max{W,H})*g2,]]>其中div、▽分别为散度算子和梯度算子，|▽I|为梯度模值，k为梯度阈值，W,H是图像的灰度，max{W,H}是图像的最大灰度值；步骤三、建立自适应阈值，随着扩散时间和扩散次数的增加，像素点所在区域的梯度阈值k不断减小，令扩散次数t为扩散时间，t＝n，步骤四、建立自适应阈值图像去噪算法模型，g4=|▿I|max{W,H}*11+(|▿I|/k)2+(1-|▿I|max{W,H})*e-(|▿I|k)2;]]>步骤五、用半隐式加性算子分裂(AOS)算法对图像进一步处理,In+1=[1-τΣl=1nAl(In)]-1In,]]>矩阵Al＝(aijl)ij；1)令fij=Iijn;]]>2)计算fσ＝f*Gσ，|▽fσ|ij，gijn=αg(|▿fσ|ij)+βg(|▿fσ|ij4);]]>3)当i＝1,…,M时，计算的三个对角线上的元素：(βk(i),k=1,...,N-1),(γk(i),k=2,...,N),]]>求解(I-2τAx,in)I1in+1=I1in,]]>得到4)当j＝1,…,N时，同样计算的三个对角线上的元素，求解(I-2τAy,jn)I2jn+1=I2jn,]]>得到5)计算In+1=12(I1n+1+I2n+1).]]>上述步骤1)‑5)完成一次迭代，重复多次迭代可得到清晰图像。