基于分数阶导数的自适应各向异性扩散图像去噪模型

杨迎春; 桂志国; 李化奇; 李晓岩

您当前的位置：

首页 >

文章列表页 >

基于分数阶导数的自适应各向异性扩散图像去噪模型

电子与电子信息 | 更新时间：2026-09-14

- 基于分数阶导数的自适应各向异性扩散图像去噪模型
- An Adaptive Image Denoising Model of Anisotropic Diffusion Based on Fractional Derivative
- 中北大学学报（自然科学版） 2011年32卷第4期页码：512-517
- 作者机构：
  
  1. 中北大学电子测试技术国防重点实验室
  2. 电子科技大学电子工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61071192)
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
杨迎春, 桂志国, 李化奇, 等. 基于分数阶导数的自适应各向异性扩散图像去噪模型[J]. 中北大学学报（自然科学版）, 2011,32(4):512-517.

杨迎春, 桂志国, 李化奇, et al. An Adaptive Image Denoising Model of Anisotropic Diffusion Based on Fractional Derivative[J]. 2011, 32(4): 512-517.
杨迎春, 桂志国, 李化奇, 等. 基于分数阶导数的自适应各向异性扩散图像去噪模型[J]. 中北大学学报（自然科学版）, 2011,32(4):512-517. DOI：

杨迎春, 桂志国, 李化奇, et al. An Adaptive Image Denoising Model of Anisotropic Diffusion Based on Fractional Derivative[J]. 2011, 32(4): 512-517. DOI：

摘要

针对传统的纯各向异性扩散模型(一阶导数

用梯度表示)在平滑区域过度扩散

产生"阶梯效应"和四阶PDE(Partial Differential Equations)模型(二阶导数

用Laplace算子表示)去噪效果差的缺点

在分数阶偏微分理论的基础上提出了基于分数阶导数的自适应各向异性扩散图像去噪模型.该模型在图像的不同位置采用不同的正则化约束

具有局部自适应的特点.实验结果表明:该模型在有效去除噪声的同时

能够很好地保持图像的边缘和纹理细节信息

经过该算法处理后的图像具有更好的质量和视觉效果.

Abstract

As the traditional pure anisotropic diffusion model(1order derivative used by the gradient) brings "staircase effect" by excessive diffusion in smooth regions

and the 4-order PDE(2-order derivative used by the Laplacian) model suffers poor denoising effect

an adaptive image denoising model of anisotropic diffusion based on fractional derivative was proposed.As a locally adaptive process

the proposed model adopts different regularization constraints in different parts of the image.Experimental results show that the new model not only efficiently remove noise

but also retain the edge and detail information.Better quality and visual effects of the image is achieved with this model.

关键词

Keywords

references

Perona P,Malik J.Scale-space and edge detection using anisotropic diffusion[J].IEEE Trans.Pattern Anal.Machine Intell.,1990,12(7):629-639.

Catte F,Lion P L,Morel J M,et al.Image selective smoothing and edge detection by nonlinear diffusion[J].SIAMJournal on Numerical Analysis,1992,29(1):182-193.

Alvarez L,Morel J M.Formalization and computational aspects of image analysis[J].Acta Numerica,1994,3:1-59.

You Y L,Kaveh M.Fourth-order partial differential equations for noise removal[J].IEEE Trans on ImageProcessing,2000,9(10):1723-1729.

Mathieu B,Melchior P,Oustaloup A,et al.Fractional differentiation for dege detection[J].Signal Processing,2003,83(11):2421-2432.

Rudin L,Osher S,Fatemi E.Nonlinear total variation based noise removal algorithms[J].Physica D,1992,60:259-268.

Bai J,Feng X C.Fractional-order asistropic diffusion for image denoising[J].IEEE Transactions on Image Pro-cessing,2007,16(10):2492-2502.

王大凯,侯榆青,彭进业.图像处理的偏微分方程方法[M].北京:科学出版社,2008:24-47.

Ling Jian,Bovik A C.Smoothing low-SNR molecular images via anisotropic median-diffusion[J].IEEE Tran-sactions on Medical Imaging,2002,21(4):377-384.

张军.基于分数阶变分PDE的图像建模与去噪算法研究[D].南京:南京理工大学,2009:77-85.

浏览量

328

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于偏微分方程的BGA射线图像去噪方法

自适应反距离加权法滤除椒盐噪声

基于梯度方向的非局部均值图像去噪算法

任意方向直线运动模糊点扩展函数研究

各向异性扩散方程在数字图像去噪中的应用