一种改进的各向异性扩散去噪模型  

Improved Anisotropic Diffusion Denosing Model

作　　者：赵海勇[1] 贾仰理[1] 

机构地区：[1]聊城大学计算机学院,聊城252000

出　　处：《计算机科学》2013年第11A期147-149,169,共4页Computer Science

基　　金：山东省自然科学基金项目(ZR2011FL023);山东省高校智能信息处理与网络安全重点实验室(聊城大学)资助

摘　　要：为了既能有效地去除噪声,又能够较好地保持图像的边缘以及重要的细节信息,在Perona和Malik提出的各向异性扩散模型(P-M模型)的基础上,通过对扩散方程中扩散函数的改进,提出了一种具备自适应性的去噪扩散模型,该模型对图像去噪处理更加高效。改进的扩散函数在梯度较小时为一个常数,大于某个阈值后变为单调递减函数,直至某个梯度时递减为零。以上扩散函数特性使各向异性扩散模型能够达到在同质区加速平滑、在边缘区停止平滑的目的。实验结果表明,改进的扩散模型是一种更为理想的保边缘平滑模型。In order to remove noise effectively and preserve key details, a more effective and adaptive diffusion denosing model was proposed. A new diffusion function was built based on the P-M model. The new diffusion function would be a constant when the gradient is low. After the gradient exceeds a certain threshold, the new diffusion function becomes a monotone descending function which reduces to zero at a certain gradient. The characteristic of the diffusion function makes the improved model smoothing faster in homogeneous area and stop in edge. The experiment results show that the performance of the improved model is better than the traditional methods.

关 键 词：图像处理 图像平滑 各向异性扩散模型 扩散函数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]