Методы шумоподавления с сохранением границ для обработки изображений

Изображения могут быть повреждены разрушительным шумом во время процесса получения и передачи. Шумоподавление часто используется для предварительной обработки изображений, с целью повышения надежности последующего анализа. Одним из важных требований к процедурам удаления шума является сохранение исходной локальной структуры изображения. В литературе можно найти много методов удаление шума на изображении с сохранением границ. В работе [1] предлагается байесовский метод наименьших квадратов с гауссовской смесью различных масштабов (the Bayesian least squares with Gaussians Scale Mixture, BLSGSM), использующий вейвлет-преобразования. В работах [2] предлагается нелинейная анизотропная диф- фузия (anisotropic diffusion filter, ADF), которая представляет собой эффективные способы шумоподавления с сохранением локальных особенностей. Кроме того, хорошие результаты шумоподавления и сглаживания изображения с сохранением границ имеют: быстрый билатеральный фильтр (fast bilateral filter, FBF) [3], нелинейная полная вариация (non–linear total variation, TV) [4], , фильтр нелокального усреднения (non-local means, NLM) [5].

В работе [6], предложена неитерационная параметрическая процедура шумоподавления изображений с сохранением границ на основе непрерывной процедуры динамического программирования (НПДП). Предлагаемый подход опирается на невыпуклый тип парно-потенциальных функций на кликах, являющихся минимумом некоторого набора квадратичных функций вместо единственной квадратичной функции, позволяет более гибко задавать априорные предпочтения, используя различные коэффициенты штрафа для разных диапазонов различий между значениями соседних элементов изображения. НПДП позволяет получить шумоподавление изображения с высоким качеством, одновременно обеспечивая сохранение локальных особенностей изображения.

В данной работе приведено сравнение по вычислительной скорости и производительности обработки изображения между процедурой НПДП и методами, такие как TV, ADF, FBF BLSGSM, NLM. Для НПДП, парнопотенциальные функции имеют вид минимума набора из двух ( L = 2 ) или трех ( L = 3 ) квадратичных функций [6].

На (рис.1) представлены исходное изображение (a) размером (256х256), наблюдаемое изображение (b) в присутствии нормального белого шума (b), и результаты шумоподавления методов NLM (c), TV (d), ADF (e), FBF (f), BLSGSM (g), НПДП (L=2) (h), НПДП (L=3) (i).

Рис. 1 Пример результаты шумоподавления методов

На (табл. 1) представлены сравнение результатов измерения PSNR [5] методов и их среднее время обработки изображений при различных уровнях белого гауссовского шума.

Экспериментальные результаты показывают, что метод NLM имеет высокое качество шумоподавления изображения.

Таблица 1 - Результатов PSNR шумоподавления изображений методов

Результаты шумоподавления процедур НПДП не хуже, чем результаты метода NLM в некоторых случаях. Кроме того, процедуры НПДП выполнит обработку с низким временем по сравнению с алгоритмом NLM.