《表3 Lena图像不同噪声程度去噪结果对比》
为了更好地比较图像去噪前后结构保持情况,本文选用Sobel算子检测用ROF法、非均值滤波去噪法、自适应小波阈值去噪法以及本文提出的去噪方法分别加入均值为0、标准差σ=30的高斯噪声的Barbara、peppers和Lena图像去噪结果的边缘,结果如图3~5所示。从表1~3中可以看出,随着噪声方差的增大,采用ROF法虽能抑制一定的噪声,但是过度平滑了图像中的细节信息,如Barbara的头巾、裤子和桌布、Lena的帽子等都有过度平滑现象,ROF进行边缘检测时,容易受到噪声的影响,如图4(d)中peppers的部分细节丢失。并且从表3Lena图像看出去噪后图像背景亮度变暗,去噪效果不理想。采用非均值滤波去噪后图像边缘模糊,存在失真现象,如图3~5(d)peppers、Lena的边缘和表1中Barbara的头部和手臂。采用自适应小波阈值法去噪不彻底,且同样出现边缘模糊,如表1~3中Lena头发、图片背景以及Barbara的右侧桌布均有模糊现象,采用本文方法去噪后图像平滑自然,其边缘和细节信息保留得较为完整,如图3~5中Lena帽子、Barbara的头巾和桌布纹理、peppers都比较清晰,Barbara的头部和Lena帽子的轮廓更明显。从图3~5(f)可以看出,本文方法去噪后提取的边缘信息更完整。通过与ROF法、非均值滤波法和自适应阈值法去噪结果的对比可以看出,本文方法具有更好的去噪效果,能更好地保护图像的边缘纹理和细节信息。
图表编号 | XD00107271100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 张弘、周晓莉 |
绘制单位 | 西安邮电大学自动化学院、西安邮电大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |