基于各向異性擴散的電子散斑圖像去噪

　　小編為您提供一篇關于基于各向異性擴散的電子散斑圖像去噪的畢業論文提綱，歡迎參考！

　　1.引言

　　電子散斑干涉(electronic speckle pattern interferometry，espi)是一種具有測量靈敏度高、非接觸、可用于全場等優點的測量方法，受到了人們的關注。它的測試結果是以干涉條紋圖的方式被記錄和進行處理。但是，在散斑干涉條紋圖中，存在著大量的散斑顆粒噪聲，極大地降低了條紋的信噪比，這些斑點噪聲是espi 數據處理中最主要困難之一，人們一直試圖用各種方法來降低或消除散斑噪聲所帶來的不利影響。

　　傳統的濾波方法，如均值濾波、中值濾波、傅立葉變換濾波等，在濾掉圖像中散斑噪聲的同時，也會濾除、模糊許多有用的信息。再加之散斑顆粒大且雜亂無章，很容易損傷原始條紋，從而給測量帶來了誤差。張東升等采用頻域同態濾波技術，得到了高質量的espi條紋圖。qian提出加窗傅立葉變換法，在濾除噪聲的同時可以保持條紋的邊緣信息。于起峰等提出的旋濾波算法以及在此基礎上發展的等值線窗口濾波法，可以較好地濾除散斑條紋圖的噪聲，同時又不損傷條紋特性，是濾除散斑條紋圖噪聲的比較理想的方法。

　　偏微分方程(partial differential equations，pde)方法近幾年開始大量應用于圖像處理，引起廣大學者的極大關注。tang chen 等采用pde 模型對espi 條紋圖進行了去噪，獲得了易于提取位相場的圖像。本文基于perona 和malik[9]提出的經典各向異性擴散濾波方法(p-m 模型)對espi 條紋圖進行去噪，針對原始算法的不足，提出了改進的方法，從而在抑制斑點噪聲的同時，很好地保持圖像的邊緣，在一定程度上克服了邊緣保持和噪聲消除之間的矛盾，為下一步數據處理提供了有效保障。

　　2.各向異性擴散模型的改進

　　為了克服各向同性擴散方程平滑過程的缺點，perona 和malik 提出的各向異性擴散濾波方程：

　　在p-m 模型只用到了中心像素點(x,y)的4-鄰域點，本文將利用中心像素點的8-鄰域來估算迭代后中心點的灰度值。為此，通過將x 和y 方向即水平和豎直方向旋轉得到離散后的灰度值，為簡單起見，旋轉角度采用45°，得到兩條對角線的方向來代替x 和y 方向。

　　3.去相關最優迭代次數的確定

　　由于 p-m 模型的求解是一個迭代過程，因此迭代次數對圖像平滑效果起到至關重要的作用。若迭代次數較小，達不到平滑的效果；而太大的迭代次數，則會出現過于光滑而使條紋邊緣模糊。本文根據去相關最優停止準則，并結合espi 條紋圖的特點來確定最優迭代次數。

　　假設理想的無噪聲圖像與噪聲圖像不相關，設i(x,y,t)表示經過時間t 迭代后獲得的最佳圖像，則含有噪聲的原始圖像i(x,y,0)=i0 與i(x,y,t)之差表示噪聲圖像。

　　4.實驗結果

　　為了比較 p-m 模型及本文算法的濾波結果，采用數字模擬條紋圖，加入噪聲的圖像。本文使用信噪比snr、歸一化均方差nmse 和邊緣保護系數β這幾個濾波性能評價指標來進行衡量。

　　歸一化均方差nmse 用于評價兩幅圖像之間的差異，nmse 越接近于0，則表示去噪后圖像與無噪聲圖像越接近。

　　可以看出，p-m 模型濾波方法去除噪聲的能力有限。本文算法能有效抑制圖像中的噪聲，并保護圖像的邊緣信息。而運行時間的增加是可以接受的。

　　可以看出，p-m 模型不能較好地濾除散斑顆粒噪聲，而本文算法既可以濾掉噪聲，又保持了條紋特征。

　　5.結論

　　本文研究了各向異性擴散方程抑制圖像噪聲的算法，對經典的各向異性擴散方程進行了改進。實驗結果表明，對含散斑顆粒噪聲的espi 條紋圖，基于各向異性擴散方程的濾波方法是一種有效的去噪方法。它在濾除噪聲的同時，保持了邊緣信息，效果較好，有利于下一步條紋數據的處理。