[发明专利]基于各向异性扩散的图像平滑改进算法

摘要

本发明涉及一种基于各向异性扩散的图像平滑改进算法，基于各向异性扩散的图像平滑改进算法，包括以下步骤：（1）对待处理图像进行Gauss滤波，去除较大噪声；（2）建立八方向图像平滑模型；（3）引入物理学中的重调和方程；（4）建立梯度与阈值的关系；（5）选取不同的扩散系数对图像进行平滑，使图像在保边缘、保部分细节信息和提高效率等方面都达到令人满意的效果；（6）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。实验结果表明，本发明的算法在去噪性能方面更具优越性。

主权项

1.一种基于各向异性扩散的图像平滑改进算法，其特征在于，包括以下步骤：步骤一、对待处理图像进行Gauss滤波，去除较大噪声；步骤二、建立八方向图像平滑模型，根据PM算法的扩散方程将4个方向的梯度扩展到8个方向，八方向图像平滑模型为其中div、分别为散度算子和梯度算子，I为待处理图像，k₁为梯度阈值；步骤三、引入重调和方程相应的，八方向图像平滑模型变为其中，k为阈值；步骤四、建立梯度与阈值k的关系，其中，MAD是零均值的正态分布，偏差为0.6745；步骤五、由于图像加高斯噪声后背景变化很大，可以考虑在平滑区域内用较大的扩散强度，在纹理区域用适中的扩散强度，在边缘处用较小的扩散强度，具体过程如下：(1)若则图像平滑模型为(2)若则图像平滑模型为其中，α和β是连贯系数；(3)若则图像平滑模型为其中Δk与图像的噪声水平有关，根据经验取值；之后用半隐式加性算子分裂(AOS)算法进行数值计算,即将图像I尺度化分解在[0,1]区间，其简化过程如下：当用一维矩阵向量表示法表示时，其迭代方案为In+1＝[1‑τA(In)]‑1In，其中，τ是时间步长，A(Iⁿ)＝[a_ij(Iⁿ)]，且式中，γ_i＝a_ig_i，h是离散化步长，以此类推，当用N维矩阵向量表示法表示时，其迭代方案如为当完成In后：1)令2)计算(f_ij)σ＝f_ij*Gσ，α和β是连贯系数；3)当i＝1,…,M时，计算的三个对角线上的元素：并求解得到4)当j＝1,…,N时，同样计算的三个对角线上的元素，并求解得到5)计算通过上述步骤1)‑5)便完成了一次迭代，经过多次迭代操作便可得到一幅很清晰的图像。