边缘保持型图像滤波新算法：高斯噪声抑制与边缘强化

"合肥工业大学硕士学位论文《边缘结构保持型的图像滤波算法研究》作者：徐勇，导师：杨学志，专业：信号与信息处理，2011年4月" 图像滤波是图像处理中的关键步骤，其目的是去除噪声并保持图像的重要特征，如边缘和细节。高斯滤波是一种常用的去噪方法，通过使用高斯核函数平滑图像，有效减弱噪声影响。然而，单纯使用高斯滤波可能会导致边缘模糊。为了解决这个问题，该论文提出将高斯滤波与拉普拉斯锐化滤波器结合，先用高斯滤波平滑图像，然后利用拉普拉斯滤波器来强化边缘，以保持图像的清晰度和细节。 在图像处理中，非极大值抑制是一种常见的边缘检测技术。它通过对图像的梯度值在不同方向上进行比较，保留局部梯度最大值点，以确保边缘定位的准确性，避免虚假边缘的出现。通过设定高低梯度阈值，可以进一步筛选和链接边缘，提高边缘检测的准确性和连贯性。 论文还指出，传统的滤波方法，如小波滤波、各向异性扩散滤波和非局部均值滤波，在噪声抑制、边缘保持、算法实现效率和运行时间方面存在平衡问题。其中，双边滤波因能在去噪同时较好地保持图像结构，且算法实现简单、运行时间较短，而被广泛采用。尽管如此，双边滤波在处理图像边缘时仍存在不足，主要表现在平滑系数的选择易受噪声影响，可能导致边缘信息的丢失。 针对这些问题，该论文提出了几项创新性方法： 1. 结合区域分割的图像滤波算法：通过图像分割获取局部统计特征，构建自适应的双边滤波器，以优化去噪效果，减少结构信息的损失。 2. 基于相邻区域灰度差异性的滤波算法：利用相邻区域的平均灰度差异调整欧氏距离的权重，结合区域内部统计特征，创建自适应滤波策略，增强算法的适应性。 3. 结合区域边界属性的滤波算法：通过考虑边界像素的梯度值和共享边界的长度，定义相似度函数，以改进滤波器对图像结构的适应性，提升边缘保持性能。 论文通过峰值信噪比、边缘保持指数、差值图像和算法运行时间等多维度评估了实验结果，并通过与传统双边滤波器的对比，证明了所提方法在处理噪声干扰图像时的优越性。这些创新方法为图像滤波领域的研究提供了新的思路和工具，有助于实现更好的噪声抑制和边缘保持效果。