论文部分内容阅读
在实际生活中,图像容易受到各种因素不同程度的噪声干扰、失真、模糊,降低了图像的质量,在很多领域对高质量图像的需求必不可少,因此图像恢复技术在图像预处理中是非常重要的环节。本文主要采用偏微分方程对噪声图像进行恢复处理,重点在二阶和四阶偏微分方程去噪模型方面进行了改进,具体包括以下几个方面: (1)通过对现有的二阶偏微分方程模型中扩散函数优缺点的分析,首先构造了一种新的扩散函数,其扩散效果优于P-M模型扩散函数;其次根据现有模型在选取阈值时存在的不便,设计了具有自适应能力的新阈值函数;最后将新的扩散函数和阈值函数结合,建立新的扩散模型。数值实验表明,该模型具有有效去除噪声、保留边缘的优点,能保留更多的图像细节信息。 (2)针对二阶各向异性扩散模型产生“阶梯效应”、四阶各向异性扩散模型产生“斑点效应”的缺点,本文提出了一种改进的各向异性扩散混合模型,在平坦区域采用二阶各向异性扩散进行图像去噪,在边缘附近采用四阶各向异性扩散进行图像恢复。数值实验表明,新模型能有效地去除噪声、保留边缘,且保留更多的图像细节信息,减少了算法的计算量,提高了恢复图像的峰值信噪比和结构相似度。 (3)通过对二阶和四阶偏微分方程混合模型优缺点的分析,本文引入差分曲率算子构造新的权重参数,再次结合TV模型和Y-K模型,建立新的自适应图像恢复模型。数值实验表明,新模型能有效地去除噪声、保留边缘和更多的细节信息,简化了图像处理过程的步骤,减少了计算量,提高恢复图像的质量。