[发明专利]梯度与曲率相结合的图像平滑方法

摘要

本发明首先提供了一种图像曲率平滑方法，将图像水平集曲率作为一个二阶微分量，用来描述图像形态学特征，改善了图像处理效果。由于当图像受到噪声污染时，曲率会发生显著变化，本发明进一步将图像的水平集曲率作为一个检测因子代入到PM方法中，提出了一种梯度与曲率相结合的图像平滑方法，该方法不但可以保持图像的特征，而且峰值信噪比较以往的各向异性方法大幅度提高，复杂度低，时效性高，图像清晰度增加，相较以往图像平滑算法更具有效性和准确性，图像处理效果更好。

主权项

图像曲率平滑方法，其特征在于，包括如下步骤：步骤A，将噪声图像进行滤波处理；步骤B，由PM模型输出二值图像；步骤C，考虑传统的图像去噪复原算法及其改进形式均以作为图像的边缘检测算子，这类算法存在不足，即它不完全符合图像处理的形态学原则，在图像扩散过程中，它的变化不仅取决于水平集，水平集由表征，同时还取决于灰度值I，故上述模型在边缘和图像灰度渐变区，及去除平坦区的孤立噪声时就显得无能为力，会产生阶梯效应，随着对图像局部特征认识的深入，仅用一阶微分量梯度来表征图像局部特征是不够的，二阶微分量中含有更丰富的信息，由上面曲率的定义及其表达式可知，曲率是几何体不平坦程度的一种度量，能够区分边缘细节信息，让图像水平集的曲率作为图像的边缘检测算子，用来描述图像形态学特征，建立曲率平滑模型为：∂I∂t=div(11+(|κ|/l)2▿I)I(t=0)=I0]]>其中为水平集曲率，|κ|为曲率模值，l为阈值，I0代表初始图像，它是通过原图像与高斯核卷积获得，即I(x,y,t)＝I0*G(x,y,t)；步骤D，对步骤C中提供的图像平滑模型用半隐式加性算子分裂数值方法进行计算。