解析自适应参数高阶偏微分方程的图像平滑技术解析自适应参数高阶偏微分方程的图像平滑技术
图像平滑作为图像预处理基本步骤之一,为后继图像处理带来很大方便,常见图像平滑方法是线性高斯滤波。
实质上是一种信号的滤波器,其用途是信号的平滑处理,我们知道数字图像用于后期应用,其噪声是的问题,
由于误差会累计传递等原因,其实编程运算的话就是一个模板运算,拿图像的八连通区域来说,中间点的像素
值就等于八连通区的像素值的均值,这样达到平滑的效果,若使用理想滤波器,会在图像中产生振铃现象。
KOENDERINK指出图像I0(x,y)与不同尺度的高斯核卷积所得到的平滑图像等价于传导系数为常数的热扩散方
程的解,此解属于各向同性扩散,在平滑同时造成图像特征的模糊化。PERONA等提出了如下各向异性扩散模
型:
图像平滑作为图像预处理基本步骤之一,为后继图像处理带来很大方便,常见图像平滑方法是线性高斯滤波。实质上是一
种信号的滤波器,其用途是信号的平滑处理,我们知道数字图像用于后期应用,其噪声是的问题,由于误差会累计传递等原
因,其实编程运算的话就是一个模板运算,拿图像的八连通区域来说,中间点的像素值就等于八连通区的像素值的均值,这样
达到平滑的效果,若使用理想滤波器,会在图像中产生振铃现象。KOENDERINK指出图像I0(x,y)与不同尺度的高斯核卷积
所得到的平滑图像等价于传导系数为常数的热扩散方程的解,此解属于各向同性扩散,在平滑同时造成图像特征的模糊化。
PERONA等提出了如下各向异性扩散模型:
就被认为该点处于区域内部并对其进行平滑,否则认为该点处于边缘对其进行增强。由于P-M各向异性滤波具有选择性平
滑机制,在平滑图像区域内部同时又保持原始图像边缘结构,因此达到了优于线性滤波器的效果。滤波器阈值参数决定滤波器
的性能,该值起到一种边缘检测作用。“阶梯”效应一直是困扰着P-M方法的严重问题,这是由它的偏微分方程所决定的,是所
有低阶非线性扩散方法所固有的。
基于上述问题,在图像平滑时提出了基于自适应的高阶偏微分方程图像平滑方法,避免了传统P-M方法图像平滑方法的缺
陷,获取比较好的视觉效果。
1 高阶方法的提出高阶方法的提出
P-M方法处理结果是分段恒定的,容易导致结果图像“阶梯”状分布,视觉效果不理想。而高阶方法的处理结果是分段线性
的,在视觉感知上明显优于P-M方法。