基于局部结构信息的自适应混合变分模型.docx

第 ３２卷 第 ６期陕西科技大学学报Ｖｏｌ．３２Ｎｏ．６２０１４年 １２月ＪｏｕｒｎａｌｏｆＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ ＆ ＴｅｃｈｎｏｌｏｇｙＤｅｃ．２０１４＊文章编号 ：１０００－５８１１（２０１４）０６－０１７０－０５基于局部结构信息的自适应混合变分模型王益艳（四川文理学院 物理与机电工程学院，四川 达州 ６３５０００）摘要：首先从各向异性扩散的角度分析了调和模型和全变分模型的不足，并利用结构张量信 息，提出了一种加权型的混合变分滤波模型．该模型可以根据图像的局部结构特征自适应选取 扩散系数，在图像平坦区域，具有各向同性扩散，而 在图像边缘，则 只沿着切向扩散．该 模型兼 顾了调和模型和全变分模型的优点，能在去噪 的同时有效保护边缘细节．仿 真结果表明，该 模 型比其它几种变分模型在同等测试条件下具有更好的客观性能评价，尤其是迭代次数更少． 关键词：图像去噪；调和模型；全变分模型；结构张量中图法分类号：ＴＰ３９１文献标识码：ＡＡｄａｐｔｉｖｅｈｙｂｒｉｄｖａｒｉａｔｉｏｎａｌｍｏｄｅｌｂａｓｅｄ ｏｎｌｏｃａｌｓｔｒｕｃｔｕｒｅｉｎｆｏｒｍａｔｉｏｎＷＡＮＧ Ｙｉ－ｙａｎ（ＣｏｌｌｅｇｅｏｆＰｈｙｓｉｃａｌａｎｄ Ｍｅｃｈａｎｉｃａｌａｎｄ ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｓｉｃｈｕａｎ Ｕｎｉｖｅｒｓｉｔｙｏｆ Ａｒｔｓａｎｄ Ｓｃｉｅｎｃｅ，Ｄａｚｈｏｕ６３５０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｄｒａｗｂａｃｋｓｏｆｔｈｅｈａｒｍｏｎｉｃｍｏｄｅｌａｎｄｔｏｔａｌｖａｒａｔｉｏｎａｌｍｏｄｅｌａｒｅａｎａｌｙｚｅｄｆｒｏｍ ｔｈｅｖｉｅｗｏｆａｎｉｓｏｔｒｏｐｉｃｄｉｆｆｕｓｉｏｎｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｎａｈｙｂｒｉｄｗｅｉｇｈｔｅｄｖａｒｉａｔｉｏｎａｌｆｉｌｔｅｒｍｏｄｅｌ ｂａｓｅｄｏｎｓｔｒｕｃｔｕｒｅｔｅｎｓｏｒｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｃａｎｓｅｌｅｃｔｄｉｆｆｕｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓａ－ ｄａｐｔｉｖｅｌｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｌｏｃａｌｓｔｒｕｃｔｕｒｅｏｆｔｈｅｉｍａｇｅ，ｉｎｔｈｅｆｌａｔｒｅｇｉｏｎｏｆｔｈｅｉｍａｇｅ，ｉｔｈａｖｅ ｉｓｏｔｒｏｐｉｃｄｉｆｆｕｓｉｏｎ，ａｎｄｏｎｔｈｅｅｄｇｅｏｆｔｈｅｉｍａｇｅ，ｏｎｌｙａｌｏｎｇｔｈｅｔａｎｇｅｎｔｉａｌｄｉｆｆｕｓｉｏｎ．Ｔｈｅ ｍｏｄｅｌｔａｋｅｓｔｈｅａｄｖａｎｔａｇｅｓｂｏｔｈｏｆｈａｒｍｏｎｉｃ ｍｏｄｅｌａｎｄｔｏｔａｌｖａｒｉａｔｉｏｎ ｍｏｄｅｌ，ｃａｎｄｅｎｏｉｓｅ ｗｈｉｌｅｐｒｅｓｅｒｖｉｎｇｅｄｇｅｄｅｔａｉｌｓｅｆｆｅｃｔｉｖｅｌｙ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄ ｍｏｄｅｌ ｈａｓｂｅｔｔｅｒｏｂｊｅｃｔｉｖｅｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｔｈａｎｓｅｖｅｒａｌｏｔｈｅｒｖａｒｉａｔｉｏｎａｌｍｏｄｅｌｓｕｎｄｅｒｔｈｅ ｓａｍｅｔｅｓｔｃｏｎｄｉｔｉｏｎｓ，ｅｓｐｅｃｉａｌｌｙｉｎｌｅｓｓｉｔｅｒａｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｄｅｎｏｉｓｉｎｇ；ｈａｒｍｏｎｉｃｍｏｄｅｌ；ｔｏｔａｌｖａｒｉａｔｉｏｎａｌｍｏｄｅｌ；ｓｔｒｕｃｔｕｒｅｔｅｎｓｏｒ０ 引言图像在获取和传输过程中 ，不可避免会受到各种噪声干扰，导致质量下降．因此，在对图像进行后 续处理（如边缘检 测、分 割、特征提取和识别等 ）之 前，必须先进行 滤波预处理 ．传 统的滤波方法包括＊ 收稿日期 ：２０１４－０８－１９基金项目 ：四川省教育厅一般科研项目（１３ＺＢ００９８）；四川文理学院重点教改项目（２０１３ＪＺ１２）作者简介 ：王 益艳（１９８２－），男 ，湖 北咸宁人 ，讲 师 ，硕 士 ，研 究方向 ：图 像处理 、模 式识别第 ６期王益艳 ：基于局部结构信息的自适应混合变分模型 ·１７１·均值滤波、高斯 滤波等，在去噪过程中容易导致图 像细节丢失．近 年来，基于变分偏微分方程的方法 已成为图像处理领域中的一个重要分支 ，可应用于 图像滤波、放 大、修 复、分 割和增强等，其 高质量的处理效果已引起人们的广泛关注［１－３］．１ 凸结合变分模型令ｕ 为原始清 晰 的 图 像，ｕ０ 为 被 噪 声 污 染 的 图像，即ｕ０＝ｕ＋ｎ．其 中ｎ 是均值为 ０，方 差为σ２ 的高斯噪声．［４］基于 Ｌ２ 范数的调和模型和基于 Ｌ１ 范数的文献［１３］提出如下基 于 Ｌ１ 范数和 Ｌ２ 范数的全变分 （ｔｏｔａｌｖａｒｉａｔｉｏｎ，ＴＶ）模 型［５，６］是 变分 ＰＤＥ去噪方法中的典型代表 ．从扩散的角度分析 ，调 和凸结合变分模型：２ｍｉｎτ｜ｕ｜ １２λ模型本质上