自适应残差图像的分数阶全变分去噪算法
目的 全变分(TV)去噪模型具有较好的去噪效果,但对于图像的弱边缘和纹理细节的保持不够理想.自适应分数阶全变分(AFTV)模型根据图像局部信息,区分图像的纹理区域和非纹理区域,自适应计算投影算法中的软阈值,可较好地保持图像的弱边缘和纹理细节,但该方法当噪声增大时“阶梯”效应比较明显,弱边缘和纹理细节保持效果不够理想.针对该问题,提出一种改进的分数阶全变分去噪算法.方法 该算法在计算残差图像时,用分数阶全变分模型替代整数一阶全变分模型,并根据较精确的残差图像的局部方差区分图像纹理区域和平坦区域,使保真项参数的自适应选取更加合理,提高了算法的去噪性能.结果 针对3种不同类型的噪声图像,将本文模型与TV模型和AFTV模型进行对比实验,并采用峰值信噪比(PSNR)和结构相似性(SSIM)评定去噪效果和纹理保持能力.对于高斯噪声图像,本文算法在PSNR方面比TV模型和AFTV模型分别可平均提高2.72 dB和1.38 dB,SSIM分别可平均提高0.047和0.020.对于椒盐噪声图像,本文算法结合中值滤波算法在PSNR和SSIM方面比传统中值滤波算法分别可平均提高1.308 dB和0.011.对于泊松噪声图像,本文算法在PSNR、SSIM方面与AFTV较接近,比TV分别可提高1.59 dB和0.005.结论 通过对添加不同类型的噪声图像进行实验,结果表明提出的算法在去噪性能上与TV和AFTV相比均有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与AFTV的时间复杂度相当,时耗接近略有降低.且本文算法普适性较好,能有效去除多种典型类型的噪声.
图像去噪、分数阶微分、全变分、残差图像、弱边缘、弱纹理
22
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61462065,61661036;江西省科技支撑计划重点项目20161BBF60091;江西省教育厅科学技术项目GJJ150738National Natural Science Foundation of China61462065,61661036;Jiangxi province science and technology support plan key projects20161BBF60091;Jiangxi Provincial Department of Education Science and Technology ProjectGJJ150738
2018-01-09（万方平台首次上网日期，不代表论文的发表时间）
共13页
1677-1689
