一种基于图像特征的去噪方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 71-73.

一种基于图像特征的去噪方法

刘孝艳^1,2,冯象初¹

1.西安电子科技大学理学院数学系，西安 710071
2.西安石油大学理学院，西安 710065

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 刘孝艳

Image restoration based on feature directions method

LIU Xiao-yan^1,2,FENG Xiang-chu¹

1.Department of Mathematics，Xidian University，Xi’an 710071，China
2.Department of Mathematics，Xi’an Shiyou University，Xi’an 710065，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: LIU Xiao-yan

摘要/Abstract

摘要： J.Weickert的各向异性扩散模型利用梯度进行扩散，而梯度的局部化性质不能反映图像的震荡性等特征。给出了两种构造扩散方向的方法——Hessian矩阵方法（利用高阶微分）和Gabor变换方法（利用频域分析），它们在对图像进行平滑处理的同时能够检测到图像的震荡等特征，从而克服了J.Weickert模型的不足。实验表明：改进后的方法在消除噪声的同时较好地保持了图像的细节特征，得到了较为满意的结果。

关键词: 图像去噪, 各向异性扩散, 特征方向, Gabor变换

Abstract: The anisotropic diffusion model of J.Weickert bases on the gradient，the gradient cannot detect the image’s feature such as oscillations.This paper proposes two methods—Hessian method（using higher order differentiations） and Gabor transform method（using space-frequency analysis）.They can detect the oscillations while smoothing image.The experiments of new methods indicate that it can be not only denoised efficiently，but also preserved detail information well.From the new methods，can get better results.

Key words: image denoising, anisotropic diffusion, feature direction, Gabor transform

刘孝艳^1,2,冯象初¹. 一种基于图像特征的去噪方法[J]. 计算机工程与应用, 2007, 43(34): 71-73.

LIU Xiao-yan^1,2,FENG Xiang-chu¹. Image restoration based on feature directions method[J]. Computer Engineering and Applications, 2007, 43(34): 71-73.

[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]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[10]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[11]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[12]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[13]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.
[14]	李安迪1，2，刘祎1，2，张权1，2，桂志国1，2. 各向异性加权先验模型MAP投影域降噪[J]. 计算机工程与应用, 2018, 54(22): 180-185.
[15]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.