一种基于二阶和四阶PDEs的变分去噪方法

doi:10.3778/j.issn.1002-8331.2010.25.045

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 153-156.DOI: 10.3778/j.issn.1002-8331.2010.25.045

• 图形、图像、模式识别 • 上一篇下一篇

一种基于二阶和四阶PDEs的变分去噪方法

张九星^1，2，黑保琴¹，李盛阳¹

1.中国科学院光电研究院有效载荷应用中心，北京 100190
2.中国科学院研究生院，北京 100049

收稿日期:2010-01-22 修回日期:2010-03-26 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 张九星

Variational noise removal method based on second-order and fourth-order PDEs

ZHANG Jiu-xing^1，2，HEI Bao-qin¹，LI Sheng-yang1

1.Payload Operation and Application Center，Academy of Opto-Electronics，Chinese Academy of Sciences，Beijing 100190，China
2.Graduate University of Chinese Academy of Sciences，Beijing 100049，China

Received:2010-01-22 Revised:2010-03-26 Online:2010-09-01 Published:2010-09-01
Contact: ZHANG Jiu-xing

摘要/Abstract

摘要： 二阶偏微分方程图像去噪方法在去除噪声同时保护边缘效果较好，但在平滑区会产生阶梯效应，而四阶方法可以消除阶梯效应，基于此提出了一种将二阶与四阶偏微分方程相结合的变分去噪方法，给出了其欧拉方程和梯度下降流，并分析了数值离散化方法。通过去噪实验表明，该方法能有效去除噪声干扰，在一定程度上保护边缘，并且可以有效减弱阶梯效应，改善图像质量。

关键词: 二阶, 四阶, 变分, 图像去噪, 偏微分方程

Abstract: The image noise removal methods based on second-order PDEs（Partial Differential Equations） can remove noise while protecting edges well，but produce staircase effects in the smooth regions of image，and the methods based on fourth-order PDEs can avoid staircase effects.A variational noise removal method based on second-order and fourth-order PDEs has been presented，and its Eular equation and gradient descent flow have been shown，meanwhile its numerical schemes are analyzed.According to noise removal experiments，it is proven that this method can remove noise effectively and protect edges to a certain extent，at the same time，staircase effects are restrained efficiently，and the quality of noisy image is improved.

Key words: second-order, fourth-order, variation, image noise removal, partial differential equations

中图分类号:

TP391.41

张九星^1，2，黑保琴¹，李盛阳¹. 一种基于二阶和四阶PDEs的变分去噪方法[J]. 计算机工程与应用, 2010, 46(25): 153-156.

ZHANG Jiu-xing^1，2，HEI Bao-qin¹，LI Sheng-yang1. Variational noise removal method based on second-order and fourth-order PDEs[J]. Computer Engineering and Applications, 2010, 46(25): 153-156.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[3]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[4]	刘竞升，伍星，王洪刚，李姜楠. 改进FCOS的二阶段SAR舰船检测算法[J]. 计算机工程与应用, 2021, 57(24): 144-151.
[5]	陈海，钱付兰，陈洁，赵姝，张燕平. 基于变分自编码器的评分预测模型[J]. 计算机工程与应用, 2021, 57(22): 153-159.
[6]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[7]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[8]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[9]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[10]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[11]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[12]	高曼，韩萌，雷冰冰. 高效用模式产生策略综述[J]. 计算机工程与应用, 2020, 56(16): 1-12.
[13]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[14]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[15]	颜鼎，吕东澔，张勇. 全变分的叠加迭代降噪算法的研究[J]. 计算机工程与应用, 2020, 56(14): 226-230.

一种基于二阶和四阶PDEs的变分去噪方法

Variational noise removal method based on second-order and fourth-order PDEs

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics