徐振洋　劉智　李琰婷

摘 要：本文主要研究基于偏微分方程圖像去噪增強。針對降質(zhì)圖像去噪增強問題，結(jié)合偏微分理論和圖像去噪增強方法，改進P-M各向異性擴散模型，有效去噪并保留圖像邊緣信息。對于基于梯度場均衡化對比度增強的不足，結(jié)合偏微分和可調(diào)直方圖均衡化，增強圖像紋理并改善對比度，并客觀質(zhì)量評價處理后圖像。

關(guān)鍵詞：偏微分方程；圖像去噪；圖像增強；優(yōu)化

中圖分類號：TP391 文獻標識碼：A

1 基于偏微分方程的圖像去噪模型

隨著電子技術(shù)發(fā)展和計算機水平不斷提高，圖像去噪增強作為圖像處理的重要部分，吸引科學工作者深入研究。

通過合理選定時間間隔和調(diào)節(jié)因素ε，就能輸出增強后的圖像質(zhì)量較好、整體亮度適度、對比度合理的視覺效果好的圖像結(jié)果。

3 仿真實驗

對加入隨機噪聲的lena圖像進行去噪實驗，證明改進方法的優(yōu)越性。k1=10，k2=40，k3=40，△t=0.0001，ε=1，迭代求解35次。將P-M模型與改進模型處理后的圖像的峰值信噪比隨迭代次數(shù)的變換曲線圖放在圖1中直接對比。改進模型的峰值信噪比隨著迭代次數(shù)的增加要比P-M模型大，去噪效果優(yōu)良。

為證明本文改進的圖像增強方法的優(yōu)越性，進行以下增強實驗。

圖2（a）行駛車輛和路標模糊不清；圖2（b）遠處有失真，局部出現(xiàn)方塊化，增強效果不好；圖2（c）噪聲干擾增加并且對比度低；圖2（d）沒有失真并且圖像對比度有提高。信息熵的大小表示圖像中含有的信息量的多少，計算信息熵結(jié)果依次為4.82，4.99，5.35，6.91。信息熵越大，圖像中信息量越多，說明改進算法結(jié)果優(yōu)良。

結(jié)語

本文結(jié)合偏微分方程理論進行圖像去噪增強，針對設(shè)備內(nèi)外原因?qū)е碌脑肼?，光強小或光照不均致使圖像部分亮暗，霧霾天氣等能見度較低導致對比度低的圖像進行去噪增強，處理結(jié)果明顯，并通過主客觀質(zhì)量評價，信噪比和信息熵均有所提高，為后續(xù)工程應用提供良好保障。

參考文獻

[1]王毅，張良培，李平湘.各向異性擴散平滑濾波的改進算法[J].中國圖象圖形學報，2006，11（02）：210-216.