正在加载图片...
·216- 智能系统学报 第8卷 1.3 Catte PM模型 式中:m,为中值算子. 作为一种改进的PM模型,Catte_PM模型可以 4)降噪后疵点图像的重构.将步骤2)、步骤3) 有效地去除图像中存在的高斯噪声18)将经过高斯 的处理结果综合,对降噪后的低频和高频分量进行 平滑的梯度模代替原始图像的梯度模,便于控制扩 复Contourlet逆变换,重构图像信号,得到降噪后的 散的过程,能更准确地反映图像边缘的变化.Catte._ 疵点图像。 PM模型为: 复Contourlet变换域各向异性扩散降噪方法的 (aI 流程图如图1所示. =div[c(IV(G,*)‖)·V], Ot (3) 织物疵点图像 Il=0=Io 式中:div为散度算子,G,(x)=Cc2exp(-x2/4σ)是 均值为0、方差为σ的高斯函数,*表示卷积,1。为初 复Contourlet 始含噪图像,I为t时刻的平滑图像取扩散方程: c(I(G,*DI)=1+(1(G。*DIk) 实部 虚部 低频分量 高频分量 高频分量 当‖V(G*)‖远大于对比度因子k时, c(ⅡV(G。*)‖)趋近于0,扩散被抑制;反之,扩 Laplace Catte_PM Catte_PM 散被加强 假设c(‖V(G,*I)‖)在p点和g点t时刻的 复Contourleti逆变换 值分别为a,和a,则Cate_PM模型的离散表达式为 1=+∑(a+) 降噪图像 qee 图1复Contourlet域各向异性扩散图像降噪方法 式中:和分别表示t时刻和t+1时刻图像的离 Fig.1 Flowchart of the image noise reduction method 散采样,入为控制扩散总体强度的常数,P表示像素 by anisotropic diffusion in complex contourlet 点的坐标,,表示像素p的邻域空间,梯度值V,= domain -1 l.4复Contourlet变换域各向异性扩散降噪方法 n 实验结果与分析 1)含噪疵点图像的复Contourlet分解.对含噪织 2.1 实验配置 物疵点图像进行单层双树复小波分解,选择“biot 针对多幅织物疵点图像,采用本文提出的基于 b”和“qsht_b”滤波器,对得到的6个双树高频分量 复Contourlet变换和各向异性扩散的图像降噪方法, 用方向滤波器组进行分解,选择“pkva”滤波器。 进行了大量实验.并与近年来提出的小波阈值收缩 2)图像低频分量扩散.复Contourlet分解后,低 和全变差扩散的混合方法(wavelet threshold shrink- 频分量中主要是近似信号,细节和噪声大部分在高 age with total variation diffusion,WSTV)[io]、小波与 频分量中.低频分量采用特征保持较好的P_Laplace PM模型扩散相结合的方法(wavelet with PM model, 算子进行扩散.式(2)即为所用的扩散方程,其中取 WPM)【)、Contourlet结合全变差和自适应对比度扩 K+V,K=V.、☑ P=1+K ‘表示图像各像素点的曲 散的方法[)、NSCT结合非线性扩散的方法2]进行 了比较.图像降噪效果的评价标准包括主观视觉效 率,它取决于图像自身的几何信息 果和峰值信噪比(PSNR)、均方误差(MSE)以及降 3)图像高频分量扩散.采用式(3)所示的扩散 噪后图像与原始图像之间的相关系数(R)3个客观 方程,对高频分量进行Cate_PM模型扩散.要进行 定量指标.实验环境为ntel(R)Core(TM)2、 有效的各向异性扩散.关键是选择适当的扩散系数, 1.80GHz、3GB内存、MATLAB R2007.对比实验中 而c(1G,D)=1+1G.D1/特别 的参数设置如下:WSTV方法进行1层Haar小波分 解,采用阈值T=σ√2ogN实现高频分量的小波收 适合于高对比度的边缘.对分解后的带通部分进行 缩,其中N代表图像中像素个数,σ代表噪声方差, n次扩散.根据稳健对比度理论[9,k的取值为 一般取σ≈q/0.6745,9为小波系数中值;低频分量 .6745m[IW-m,(I1I)I1. k=- 采用TV扩散模型,时间和空间步长分别取0.2和1.3 Catte_PM 模型 作为一种改进的 PM 模型,Catte_PM 模型可以 有效地去除图像中存在的高斯噪声[18] .将经过高斯 平滑的梯度模代替原始图像的梯度模,便于控制扩 散的过程,能更准确地反映图像边缘的变化.Catte_ PM 模型为: ∂I ∂t = div[c(‖ Ñ(Gσ∗I) ‖)·ÑI], I t = 0 = I0 . ì î í ïï ïï (3) 式中:div 为散度算子,Gσ (x) = Cσ -1/ 2 exp(-x 2 / 4σ)是 均值为 0、方差为 σ 的高斯函数,∗表示卷积,I0 为初 始含噪图像,I 为 t 时刻的平滑图像.取扩散方程: c(‖ Ñ(Gσ∗I) ‖) = 1 1 + (‖ Ñ(Gσ∗I) ‖/ k) 2 , 当 ‖ Ñ (Gσ∗I) ‖ 远 大 于 对 比 度 因 子 k 时, c(‖Ñ(Gσ∗I) ‖)趋近于 0,扩散被抑制;反之,扩 散被加强. 假设 c(‖Ñ(Gσ∗I) ‖)在 p 点和 q 点 t 时刻的 值分别为 α t p 和 α t q,则 Catte_PM 模型的离散表达式为 I t+1 p = I t p + λ∑q∈ηp α t p + α t q ( ) ÑI t p,q . 式中:I t p 和 I t+1 p 分别表示 t 时刻和 t+1 时刻图像的离 散采样,λ 为控制扩散总体强度的常数,p 表示像素 点的坐标,ηp 表示像素 p 的邻域空间,梯度值ÑI t p,q = I t p -I t q . 1.4 复 Contourlet 变换域各向异性扩散降噪方法 1)含噪疵点图像的复 Contourlet 分解.对含噪织 物疵点图像进行单层双树复小波分解,选择“ biort_ b”和“qshift_b”滤波器,对得到的 6 个双树高频分量 用方向滤波器组进行分解,选择“pkva”滤波器. 2)图像低频分量扩散.复 Contourlet 分解后,低 频分量中主要是近似信号,细节和噪声大部分在高 频分量中.低频分量采用特征保持较好的 P_Laplace 算子进行扩散.式(2)即为所用的扩散方程,其中取 p = 1+ κ κ+ | ÑI| ,κ = Ñ· ÑI | ÑI| 表示图像各像素点的曲 率,它取决于图像自身的几何信息. 3) 图像高频分量扩散.采用式(3) 所示的扩散 方程,对高频分量进行 Catte_PM 模型扩散.要进行 有效的各向异性扩散.关键是选择适当的扩散系数, 而c(‖Ñ(Gσ∗I) ‖)= 1 1+(‖Ñ(Gσ∗I) ‖/ k) 2 特别 适合于高对比度的边缘.对分解后的带通部分进行 n 次扩散.根据稳健对比度理论[19] ,k 的取值为 k = 1 0.674 5 mI [‖ÑI - mI(‖ÑI‖)‖] . 式中:mI 为中值算子. 4)降噪后疵点图像的重构.将步骤 2)、步骤 3) 的处理结果综合,对降噪后的低频和高频分量进行 复 Contourlet 逆变换,重构图像信号,得到降噪后的 疵点图像. 复 Contourlet 变换域各向异性扩散降噪方法的 流程图如图 1 所示. 图 1 复 Contourlet 域各向异性扩散图像降噪方法 Fig.1 Flowchart of the image noise reduction method by anisotropic diffusion in complex contourlet domain 2 实验结果与分析 2.1 实验配置 针对多幅织物疵点图像,采用本文提出的基于 复 Contourlet 变换和各向异性扩散的图像降噪方法, 进行了大量实验.并与近年来提出的小波阈值收缩 和全变差扩散的混合方法(wavelet threshold shrink⁃ age with total variation diffusion, WSTV) [10] 、小波与 PM 模型扩散相结合的方法(wavelet with PM model, WPM) [11] 、Contourlet 结合全变差和自适应对比度扩 散的方法[13] 、NSCT 结合非线性扩散的方法[12] 进行 了比较.图像降噪效果的评价标准包括主观视觉效 果和峰值信噪比( PSNR)、均方误差(MSE) 以及降 噪后图像与原始图像之间的相关系数(R)3 个客观 定量 指 标. 实 验 环 境 为 Intel ( R) Core ( TM) 2、 1.80 GHz、3GB 内存、MATLAB R2007b.对比实验中 的参数设置如下:WSTV 方法进行 1 层 Haar 小波分 解,采用阈值T = σ 2log N 实现高频分量的小波收 缩,其中 N 代表图像中像素个数,σ 代表噪声方差, 一般取σ≈q / 0.674 5,q 为小波系数中值;低频分量 采用 TV 扩散模型,时间和空间步长分别取 0.2 和 ·216· 智 能 系 统 学 报 第 8 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有