基于各向异性扩散的电子散斑图像去噪

概要：I(x,y,0)=I0 与I(x,y,t)之差表示噪声图像。 4．实验结果 为了比较 P-M 模型及本文算法的滤波结果，采用数字模拟条纹图，加入噪声的图像。本文使用信噪比SNR、归一化均方差NMSE 和边缘保护系数β这几个滤波性能评价指标来进行衡量。 归一化均方差NMSE 用于评价两幅图像之间的差异，NMSE 越接近于0，则表示去噪后图像与无噪声图像越接近。 可以看出，P-M 模型滤波方法去除噪声的能力有限。本文算法能有效抑制图像中的噪声，并保护图像的边缘信息。而运行时间的增加是可以接受的。 可以看出，P-M 模型不能较好地滤除散斑颗粒噪声，而本文算法既可以滤掉噪声，又保持了条纹特征。 5．结论 本文研究了各向异性扩散方程抑制图像噪声的算法，对经典的各向异性扩散方程进行了改进。实验结果表明，对含散斑颗粒噪声的ESPI 条纹图，基于各向异性扩散方程的滤波方法是一种有效的去噪方法。它在滤除噪声的同时，保持了边缘信息，效果较好，有利于下一步条纹数据的处理。上一页 [1] [2]

基于各向异性扩散的电子散斑图像去噪,标签：毕业设计怎么写,毕业设计范文,http://www.88haoxue.com
I(x,y,0)=I0 与I(x,y,t)之差表示噪声图像。

 

　　4．实验结果

 

　　为了比较 P-M 模型及本文算法的滤波结果，采用数字模拟条纹图，加入噪声的图像。本文使用信噪比SNR、归一化均方差NMSE 和边缘保护系数β这几个滤波性能评价指标来进行衡量。

 

　　归一化均方差NMSE 用于评价两幅图像之间的差异，NMSE 越接近于0，则表示去噪后图像与无噪声图像越接近。

 

　　可以看出，P-M 模型滤波方法去除噪声的能力有限。本文算法能有效抑制图像中的噪声，并保护图像的边缘信息。而运行时间的增加是可以接受的。

 

　　可以看出，P-M 模型不能较好地滤除散斑颗粒噪声，而本文算法既可以滤掉噪声，又保持了条纹特征。

 

　　5．结论

 

　　本文研究了各向异性扩散方程抑制图像噪声的算法，对经典的各向异性扩散方程进行了改进。实验结果表明，对含散斑颗粒噪声的ESPI 条纹图，基于各向异性扩散方程的滤波方法是一种有效的去噪方法。它在滤除噪声的同时，保持了边缘信息，效果较好，有利于下一步条纹数据的处理。

上一页  [1] [2]