[发明专利]自适应阈值图像去噪算法

说明书

技术领域

本发明涉及图像处理技术领域，具体是基于偏微分方程改进的自适应阈值图像去噪算法。

背景技术

图像平滑和增强是图像处理中非常重要的内容。近年来，基于偏微分方程(Partial differential equations,PDE)的图像处理方法在图像去噪、分割、边缘检测、增强等方面都取得了很大进展。而在基于偏微分方程的图像处理方法中，各向异性扩散由于其高质量的处理结果而被作为研究重点。

PDE技术广泛应用于信号和图像处理，但早期主要使用线性扩散。这种方法存在局限性，在图像处理过程中，局部特征和噪声会被一起过滤。自PM算法提出后，各向异性扩散技术取得了很多有价值的成果。随着对该技术研究的不断深入,很多实验结果表明,PM算法存在缺陷：它有时无法正确地区分边缘和噪声,因而处理小尺度空间的噪声效果不理想。

发明内容

鉴于上述现有技术中的不足，本发明提供一种自适应阈值图像去噪算法，以降低算法复杂度，提高算法时效性，提高峰值信噪比。

本发明采用以下技术方案：自适应阈值图像去噪算法，包括以下步骤，

步骤一、将噪声图像进行Gauss滤波，去除较大噪声；

步骤二、基于PM算法的扩展方程其扩散系数与 g2=exp[-(|▿I|k)2],]]>构建拟合扩散系数g3=|▿I|max{W,H}*g1+(1-|▿I|max{W,H})*g2,]]>其中div、▽分别为散度算子和梯度算子，|▽I|为梯度模值，k为梯度阈值，W,H是图像的灰度，max{W,H}是图像的最大灰度值；

步骤三、建立自适应阈值，随着扩散时间和扩散次数的增加，像素点所在区域的梯度阈值k不断减小，令扩散次数t即为扩散时间，t＝n，

步骤四、建立自适应阈值图像去噪算法模型，