[发明专利]基于边缘检测算子的混合自适应图像去噪方法

摘要

本发明涉及基于边缘检测算子的混合自适应图像去噪方法，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、建立平均曲率扩散算法的局部坐标模型；步骤三、建立自适应混合去噪模型；步骤四、用半隐式加性算子分裂（AOS）数值算法对步骤三的图像进一步处理。本发明用局部坐标二次微分这种边缘检测算子代替梯度算子，自适应的控制整个扩散过程，方法简单；结合两种算法的优缺点，取长补短，复杂度低，降低了处理时间；图像的峰值信噪比大幅提高，受噪声污染的图像处理后更加清晰。

主权项

基于边缘检测算子的混合自适应图像去噪方法，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、建立平均曲率扩散算法的局部坐标模型，(1)将基于传统PM算法的扩散方程以局部坐标形式表示为∂I∂t=g(|▿I|){Iϵϵ+[1+|▿I|g′(|▿I|)g(|▿I|)]Iηη},]]>其中为梯度模值，为扩散系数，η为图像的梯度方向；ε为垂直于梯度的方向，Iϵϵ=Iy2Ixx-2IxIyIxy+Ix2IyyIx2+Iy2,]]>Iηη=Ix2Ixx+2IxIyIxy+Iy2IyyIx2+Iy2;]]>(2)基于平均曲率扩散算法的局部坐标表示为∂I∂t=-Ixx(1+Iy2)+Iyy(1+Ix2)-2IxIyIxy(1+Ix2+Iy2)3=div(11+Ix2+Iy2▿I)≈div(1|▿I|▿I)=1|▿I|Iϵϵ]]>将各项同性的线性扩散变为各项同性的非线性扩散，并沿图像边缘方向扩散；步骤三、建立自适应混合去噪模型，(1)将PM算法和平均曲率扩散算法结合，得到的扩散方程∂I∂t=X(x)div(11+(|▿I|/k)2▿I)+Y(x)div(11+Ix2+Iy2▿I)]]>其中特征函数X(x)=xmax{W,H},]]>Y(x)=1-X(x)2,]]>W,H为图像像素；(2)采用新的边缘检测算子代替上述特征函数中的梯度算子扩散方程变为∂I∂t=X(D)div(11+(|▿I|/k)2▿I)+Y(D)div(11+Ix2+Iy2▿I)]]>在图像边缘处，Iηη较大，Iεε较小，所以D较小，X(D)趋近于0，此时为平均曲率扩散算法；在图像平坦区域和灰度渐变区域，Iηη与Iεε大小相当，且较大，所以D较大，X(D)趋近于1，此时为PM算法；在图像平坦区域的大梯度噪声点处，Iηη与Iεε大小相当，均较小，所以D较大，X(D)趋近于1，此时为PM算法；步骤四、用半隐式加性算子分裂(AOS)数值算法对步骤三的图像进一步处理。