基于矢量扩散控制的图像同步去噪增强方法

doi:10.3969/j.issn.1000-3428.2014.06.049

计算机工程

基于矢量扩散控制的图像同步去噪增强方法

贾迪¹，董娜¹，孟祥福¹，孟琭²

(1. 辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105；2. 东北大学信息科学与工程学院，沈阳 110819)

收稿日期:2013-11-06 出版日期:2014-06-15 发布日期:2014-06-13
作者简介:贾迪(1982－)，男，讲师、博士，主研方向：图像处理，模式识别；董娜，研究员；孟祥福，副教授；孟琭，讲师。
基金项目:
国家青年科学基金资助项目(61003162, 61101057)；辽宁省2013年杰出青年成长计划基金资助项目(LJQ201303)。

Synchronization Method of Image Denoising and Enhancement Based on Vector Diffusion Control

JIA Di ¹, DONG Na ¹, MENG Xiang-fu ¹, MENG Lu²

(1. School of Electronic and Information Engineering, Liaoning Technical University, Huludao 125105, China; 2. College of Information Science and Engineering, Northeast University, Shenyang 110819, China)

Received:2013-11-06 Online:2014-06-15 Published:2014-06-13

摘要/Abstract

摘要： 在图像获取过程中，常得到含有噪声和对比度较差的图像，为更好地去除图像的噪声与增强对比度，提出一种基于矢量扩散控制的图像同步去噪增强方法。分析全变分(TV)模型的构造，指出其存在的问题，通过引入矢量扩散控制的方式改造该模型的后项，更好地控制扩散在图像边缘处的粒度。给出限制对比度自适应直方图均衡的微分模型结构，并与改进后的TV模型融合实现图像的同步去噪与反差增强。通过2组实验从成像质量和灰度分布上比较处理结果，验证该方法的有效性。实验结果表明，该方法不仅较好地解决了TV模型在去噪过程中出现的阶梯效应，而且能够改善图像对比度，提高图像的质量。

关键词: 去噪, 反差增强, 直方图均衡, 全变分模型, 限制对比度自适应直方图均衡模型, 矢量扩散控制

Abstract: In the process of image acquisition, the images which contain noise or poor contrast are often obtained. In order to realize image denoising and contrast enhancement, this paper presents a simultaneous denoising and enhancement method to process image based on vector diffusion control. The structure of Total Variation(TV) model is analyzed, the problem is pointed out, and edge intensity is better control by introducing the vector diffusion of the transformation model. The differential model of Contrast Limited Adaptive Histogram Equalization(CLAHE) is proposed, which is combined with the improved TV model to implement synchronization of image denoising and contrast enhancement. The results are comparing by the quality and gray distribution of two group experiments, and the effectiveness of this proposed method is verified. The results show that the method not only can resolve the staircase appearing in TV model during denoising process, but also can improve the contrast of image, so it can improve the quality of image.

Key words: denoising, contrast enhancement, Histogram Equalization(HE), Total Variation(TV) model, Contrast Limited Adaptive Histogram Equalization(CLAHE) model, vector diffusion control

中图分类号:

TP391

贾迪，董娜，孟祥福，孟琭. 基于矢量扩散控制的图像同步去噪增强方法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.06.049.

JIA Di, DONG Na, MENG Xiang-fu, MENG Lu. Synchronization Method of Image Denoising and Enhancement Based on Vector Diffusion Control[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.06.049.

参考文献

参考文献 [1] 克兢, 侯榆青, 王大凯, 等. 一种改进型保持形状的图像对比度增强算法[J]. 光子学报, 2009, 38(1): 214-219. [2] 杨威, 李俊山, 史德琴, 等. 基于改进变分水平集的红外图像分割方法[J]. 计算机工程, 2008, 34(4): 196-197. [3] 文乔农, 万遂人, 徐双. Fisher准则和正则化水平集方法分割噪声图像[J]. 计算机研究与发展, 2012, 49(6): 1339- 1347. [4] 陈燊, 侯榆青, 杨旭朗, 等. 基于偏微分方程与维纳滤波的混合去噪方法[J]. 计算机工程, 2010, 36(10): 193-195. [5] Perona P, Malik J. Scale Space and Edge Detection Using Anisotropic Diffusion[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12(7): 629-639. [6] 陈波, 张立伟. 对称四阶偏微分方程去噪算法[J]. 计算机工程, 2008, 34(13): 188-189, 209. [7] 马银平, 江伟. 基于局部均值和标准差的图像增强算法[J]. 计算机工程, 2009, 35(22): 205-206. [8] 陈颖, 彭进业, 王大凯, 等. 基于PDE的图像去噪和反差增强同步算法[J]. 计算机工程, 2009, 35(23): 224-226. [9] Rudin L I, Osher S. Total Variation Based Image Restoration with Free Local Constraints[C]//Proc. of IEEE International Conference on Image Processing. [S. l.]: IEEE Press, 1994: 31-35. [10] 唐利明, 王晓峰, 陈照辉. 去除阶梯效应和震荡提取的分片变分分解模型[J]. 计算机辅助设计与图形学学报, 2013, 25(8): 1237-1244. [11] Caselles V, Lisani J L, Morel J M, et al. Shape-preserving Local Contrast Enhancement[C]//Proc. of International Conference on Image Processing. [S. l.]: IEEE Press, 1997: 314-317. [12] Marquina A, Osher S. Explicit Algorithms for a New Time Dependent Model Based on Level Set Motion for Nonlinear Deblurring and Noise Removal[J]. SIAM Journal on Scientific Computing, 2000, 22(2): 387-405. 编辑顾逸斐

[1]	张墨华, 彭建华. 面向图像先验建模的可扩展高斯混合模型[J]. 计算机工程, 2020, 46(4): 220-227.
[2]	简明,唐墨臻,张翠芳,闫飞. 基于改进直线特征提取算法的室内移动机器人地图构建 [J]. 计算机工程, 2018, 44(1): 23-29.
[3]	付芸,白银浩,李展,万楚琦. 快速去除椒盐噪声的蛇形扫描滤波算法[J]. 计算机工程, 2017, 43(7): 229-233.
[4]	张欢,刘燕,佟宝同,赵凌霄,杨莹雪,王玉平,戴亚康. 联合改进CEEMD与近似熵的脑电去噪方法[J]. 计算机工程, 2017, 43(6): 53-58.
[5]	段晓毅,佘高健,高献伟,何斯曼,崔琦,王思翔,毛泽宇. 基于小波包的AES相关功耗分析攻击[J]. 计算机工程, 2017, 43(6): 84-91.
[6]	秦冬冬,陈志军,闫学勤. 多层阈值函数下的小波图像去噪[J]. 计算机工程, 2017, 43(6): 202-206.
[7]	许光宇,林玉娥,石文兵. 基于局部结构张量的图像三边滤波器[J]. 计算机工程, 2017, 43(4): 269-276.
[8]	白云蛟,张权,尚禹,张鹏程,刘祎,桂志国. 耦合冲击滤波器的片相似性各向异性扩散模型[J]. 计算机工程, 2017, 43(3): 271-276,281.
[9]	李传朋,秦品乐,张晋京. 基于深度卷积神经网络的图像去噪研究[J]. 计算机工程, 2017, 43(3): 253-260.
[10]	陈鹏旭,林茂松,梁艳阳,刘宏伟. 基于编码稀疏表示的柔索机器人监测图像去噪算法[J]. 计算机工程, 2017, 43(3): 261-265,270.
[11]	陈俊君,徐冰. 雾霾天气条件下的机器视觉图像清晰化研究[J]. 计算机工程, 2017, 43(2): 280-285,292.
[12]	彭宏,赵鹏博. 边缘检测中的改进型均值滤波算法[J]. 计算机工程, 2017, 43(10): 172-178.
[13]	张建明,李沛,李旭东,吴宏林. 结合中值滤波与稀疏表示的混合去噪算法[J]. 计算机工程, 2016, 42(9): 240-245.
[14]	刘侃,张伟,张伟东,张友梅,顾建军. 一种基于深度神经网络的无线定位方法[J]. 计算机工程, 2016, 42(7): 82-85.
[15]	常戬,白佳弘. 基于回转对称双边滤波的Retinex图像增强算法[J]. 计算机工程, 2016, 42(6): 265-273.

基于矢量扩散控制的图像同步去噪增强方法

Synchronization Method of Image Denoising and Enhancement Based on Vector Diffusion Control

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10