梯度与曲率相结合的图像平滑方法

摘要

本发明首先提供了一种图像曲率平滑方法，将图像水平集曲率作为一个二阶微分量，用来描述图像形态学特征，改善了图像处理效果。由于当图像受到噪声污染时，曲率会发生显著变化，本发明进一步将图像的水平集曲率作为一个检测因子代入到PM方法中，提出了一种梯度与曲率相结合的图像平滑方法，该方法不但可以保持图像的特征，而且峰值信噪比较以往的各向异性方法大幅度提高，复杂度低，时效性高，图像清晰度增加，相较以往图像平滑算法更具有效性和准确性，图像处理效果更好。

主权项

图像曲率平滑方法，其特征在于，包括如下步骤：步骤A，将噪声图像进行滤波处理；步骤B，由PM模型输出二值图像；步骤C，将图像水平集的曲率作为一个二阶微分量描述图像形态学特征，建立曲率平滑模型：$\left\{\begin{array}{c}\frac{\partial I}{\partial t}=\mathrm{div}(\frac{1}{1+{\left(\right|\kappa |/l)}^2}▿I)\\ I(t=0)=I_0\end{array}\right.$其中为水平集曲率，|κ|为曲率模值，l为阈值，I₀代表初始图像，I是通过原图像与高斯核卷积获得，即I(x,y,t)＝I₀*G(x,y,t)；步骤D，对步骤C中提供的图像平滑模型用半隐式加性算子分裂数值方法进行计算。