基于边缘检测与双边滤波的彩色图像去噪方法.docxVIP

基于边缘检测与双边滤波的彩色图像去噪方法 1 彩色图像去噪方法 彩图像去除噪声可概括为两种模型。其中之一是对每幅彩像通道中的噪声进行噪声去除，即逐通道模型，如小波图像自噪声去除方法。另一种方法是将每个通道的数据作为一个向量整体去除噪声，并被称为向量模型。例如，初始模型将每个通道的数据切割，并随时间推移过滤。数据自适应滤波和双向滤波。首先，模型分离了不同颜色图像中通道的联系，这不可避免地影响图像本身的信息结构。最困难的是，在去除噪声过程中，如果每个通道的噪声值单独更改，图像将生成假颜色。双向滤波可以整体处理颜色图像，首先由ctoma性设计，然后生产各种变形，如sigram滤波、相邻区域滤波和susan滤波。色彩图像的双向滤波噪声的特点是它不仅可以达到滤波效果，还可以保护图像的高频细节。然而，还有以下问题：（1）双向滤波过程仍然是图像在空间上加权平均的过程。随着噪声噪声的信噪比的提高，边缘仍然不可避免地存在一定的模糊性。（2）通过保护高频信息，双重滤波很难去除图像中的高频噪声。 针对彩色图像双边滤波去噪方法的上述不足,本文提出一种基于边缘检测与双边滤波相结合的彩色图像去噪方法,主要解决以下几个问题:(1) 边缘定位的准确性,很多边缘检测算法对边缘的定位不准确,无法通过得到的边缘图确定边缘及噪声的准确位置;(2) 边缘图中包含噪声引起的伪边缘,而图像增强仅需要增强人眼敏感的边缘区域,对其它区域做增强会造成图像失真,所以边缘图需要通过边缘滤波去除噪声引起的伪边缘后才能用于图像增强;(3)由传感器或电路引起的噪声产生于RGB彩色空间,直接在RGB彩色空间进行边缘检测,可以避免彩色空间转换带来的噪声放大和噪声类型复杂化.但是在RGB彩色空间进行图像去噪会产生伪色彩;(4)如果图像增强在彩色图像三个通道上分别独立进行,在边缘附近将产生颜色的混乱. 为了解决以上问题,本文提出基于边缘检测和双边滤波的彩色图像去噪方法,本文去噪流程包括边缘检测,边缘滤波,改进的双边滤波和彩色图像增强,主要工作如下:(1)为了更好地对彩色边缘准确定位,提出一种适合彩色图像去噪的彩色图像边缘检测算法.继承了CNN灰度边缘检测算法定位准确的优点,填补了CNN现有算法不能直接处理彩色图像的空白;(2) 提出一种针对图像增强的边缘滤波算法.通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求;(3)通过改进双边滤波,减少去噪过程带来的边缘模糊;(4)使用不同的彩色空间,在RGB彩色空间进行边缘检测以定位边缘及噪声,在CIELAB彩色空间去噪以保持颜色的一致性,仅对亮度分量(L*)进行增强以避免颜色的混乱与失真.方法的整个流程如图1所示. 边缘检测结果记为map A,map A包含图像中的各种边缘也包含由噪声引起的伪边缘,map A用于图像去噪.map A经过边缘滤波后得到map B,边缘滤波的目的是去除由噪声引起的伪边缘,使map B可以用来增强图像而不会带来彩色图像失真. 在得到边缘图map A后,通过边缘信息对双边滤波作出改进,在提高去噪效果的同时减少了滤波对图像清晰度的影响.为了不在双边滤波过程中带来颜色混乱和图像失真,双边滤波在CIELAB彩色空间内进行.最后对彩色图像做基于map B边缘的增强,增强在CIELAB彩色空间内进行,仅增强边缘区域对应位置的亮度分量. 2 彩色空间边缘检测算法 现有的彩色图像边缘检测方法中,有相当部分是灰度图像边缘检测的推广,也即首先基于某一彩色分量的图像进行灰度图像边缘检测,然后再将每一独立分量的边缘图联合形成彩色图像的边缘.这些方法忽略了人眼对颜色的视觉感知,没有考虑各颜色分量之间的联系,往往得不到好的边缘检测效果.而基于彩色空间的边缘检测方法可以充分利用彩色图像中携带的彩色信息.为了充分考虑人眼对不同颜色感知程度的不同,同时克服彩色空间角向量距离计算复杂的缺点,本文使用彩色空间欧几里得距离作为彩色象素之间差异的度量. 很多的边缘检测算法都工作在YcbCr彩色空间的Y分量上或者CIELAB彩色空间的L*分量上.但是在本文提出的方法中边缘检测算法工作在RGB彩色空间.虽然彩色图像的理论指出人眼对亮度分量的变化比色度分量更敏感,但是由传感器或电路引起的噪声产生于RGB彩色空间,直接在RGB彩色空间进行边缘检测,可以避免彩色空间转换带来的噪声放大和噪声类型复杂化.使用RGB彩色空间进行边缘检测的另一个原因是,图像中存在着一些位于颜色不同但亮度相似的区域之间的边缘,仅用亮度分量无法检测到这些边缘. 使用哪种边缘检测方法必须根据问题的需要来进行选择,彩色图像去噪方法对边缘结果主要有以下几点要求:(1)能够检测到图像中的细小边缘;(2)边缘定位准确,无像素偏移;(3)对噪声无抑制作用;(4)要求边缘非二值,为下一步的边缘滤波提供条件;(5)