结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于时间-空间分数阶偏微分方程的图像去噪模型

为了在去噪的同时更多地保留图像的细节信息,将分数阶微积分理论和梯度下降流有效结合,提出了分数阶梯度下降流的概念,并证明了能量泛函的分数阶梯度下降流在一定微分阶次范围内是收敛的。在此基础上,将时间因素引入到改进的基于空间分数阶偏微分方程的去噪模型中,从而构建了基于时间-空间分数阶偏微分方程的去噪模型,该模型实现了在时间方向上和空间平面内的同时去噪。实验结果表明,提出的基于时间-空间分数阶偏微分方程的图像去噪模型较基于空间分数阶偏微分方程的图像去噪模型不仅可以提高信噪比,而且可以大幅减少图像获得最大信噪比所需要的迭代次数。