摘要：火災(zāi)圖像在產(chǎn)生和傳輸?shù)倪^(guò)程中，會(huì)受到各種噪聲不同程度的干擾。這些干擾會(huì)給后續(xù)處理工作帶來(lái)不便。文中利用MATLAB軟件對(duì)全變分算法和自適應(yīng)正則化全變分算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明：全變分算法運(yùn)算速度的確較快，但會(huì)導(dǎo)致紋理細(xì)節(jié)等重要信息丟失或模糊。而自適應(yīng)正則化全變分算法可以很好地保留圖像的紋理細(xì)節(jié)和邊緣信息。利用MATLAB軟件進(jìn)行仿真實(shí)驗(yàn)，結(jié)果證實(shí)自適應(yīng)正則化全變分算法去噪的有效性，其信噪比（SNR）較前一種方法至少提高0.5.dB。

關(guān)鍵詞：圖像去噪；全變分；自適應(yīng)去噪

中圖分類(lèi)號(hào)：TP751.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-7712 (2012) 14-0111-03

一、引言

在火災(zāi)圖像的產(chǎn)生過(guò)程中，難免受到各種因素干擾，導(dǎo)致火災(zāi)圖像會(huì)帶有噪聲。這些噪聲將給火災(zāi)圖像后續(xù)傳輸、處理帶來(lái)很多不便。因此在對(duì)火災(zāi)圖像進(jìn)行后續(xù)處理前，必須先對(duì)其去噪，減弱干擾，以使圖像更有利于下一步的圖像處理工作。

1992 年，Rudin、Osher 和Fatemi[4]提出的基于梯度能量函數(shù)的全變分(Total Variation，簡(jiǎn)稱(chēng) TV)去噪算法，在圖像去噪領(lǐng)域得到了廣泛的應(yīng)用和研究[1~3]。TV算法能有效地去除噪聲，但可能會(huì)使圖像的邊緣變得模糊，使細(xì)節(jié)信息變得不清晰。為了克服全變分方法的不足，有學(xué)者提出自適應(yīng)正則化的全變分去噪算法[4]。自適應(yīng)正則化的全變分算法對(duì)Stanley Osher[5]等學(xué)者提出的迭代正則化參數(shù)進(jìn)行改進(jìn)，依照?qǐng)D像不同區(qū)域的細(xì)節(jié)信息，自適應(yīng)獲取正則化參數(shù)。自適應(yīng)正則化的全變分算法在去噪的同時(shí)可以有效保留圖像的重要細(xì)節(jié)，更優(yōu)程度地達(dá)到了圖像去噪的目的。

在上述參考文獻(xiàn)的啟發(fā)下，本文將自適應(yīng)正則化的全變分算法應(yīng)用到火災(zāi)圖像復(fù)原中，并利用MATLAB軟件進(jìn)行仿真實(shí)驗(yàn)。仿真實(shí)驗(yàn)結(jié)果表明，運(yùn)用自適應(yīng)正則化的全變分算法來(lái)去除火災(zāi)圖像的噪聲比傳統(tǒng)方法效果更好，能在去噪的同時(shí)很好地保持圖像的細(xì)節(jié)紋理信息。

五、結(jié)論

利用全變分算法進(jìn)行圖像復(fù)原是近年來(lái)的熱門(mén)課題。本文將Rudin 、Osher等人的全變分算法和自適應(yīng)正則化的全變分去噪算法[4]進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明自適應(yīng)正則化的全變分去噪算法選擇性較好，該算法不但能夠有效地去除噪聲、保持圖像的邊緣和細(xì)節(jié)信息。人眼也能直觀感受到利用A-R-T算法復(fù)原的圖像質(zhì)量較好。

參考文獻(xiàn)：

[1]Chan， T.F. and Esedoglu， S.， Aspects of total variation regularized l1 function approximation. SIAM Journal on Applied Mathematics. v75 i5. 1817-1837.

[2]D. Strong and T. Chan. Edge-preserving and Scale-dependent Properties of Total Variation Regularization. Inv. Probl.， 19:165—187， 2003.

[3] Rudin L ， Osher S ， Fatemi E. Nonlinear Total Variation Based Noise Removal Algorithms[J ] . Physica D ，1992，60 (1-4):2592268.

[4]余麗紅，馮衍秋，陳武凡。基于自適應(yīng)正則化的全變分去噪算法[J].中國(guó)圖象圖形學(xué)報(bào)，2009，10（14）：1950-1954.

[5]Stanley Osher， Martin Burger， Donald Goldfarb， Jin-Jun Xu， andWotao Yin. An Iterative Regularization Method for Total Variation -Based Image Restoration .Multiscale Modeling and Simulation，4(2):460-489， 2005.

[6]Ring， W. 2000. Structural properties of solutions of total variation regularization problems. M2AN Mathematical Modeling and Numerical Analyses. 34(4):799-810.

[7]Della Pietra， S.， Della Pietra， V.， Lafferty， J. (2001). Duality and auxiliary functions for Bregman distances. Technical Report CMU-CS-01-109， School of Computer Scienc ie Mellon University.

[8]E.CETIN， An iterative algorithm for signal reconstruction from bispectrum ，IEEE Trans. Signal Process，39，(1991) ，pp.167-188e，Carneg.

[作者簡(jiǎn)介]余麗紅（1985-），女，湖北咸寧人，講師，碩士研究生，教學(xué)和科研方向?yàn)樾盘?hào)處理。劉海云（1987-），女，江西贛州人，助理研究員，研究方向?yàn)楦叩冉逃芾怼?/p>