在数字图像处理中,由于受到成像方法的限制,图像中的边缘、细节特征等重要信息常湮没于噪声信号中,给图像的后继处理如边缘检测、图像分割、图像匹配等带来很大的影响。因此对含噪声图像进行适当的预处理是图像处理中的一个重要问题,对于改善图像质量具有重要的意义。图像去噪是图像预处理中一项应用比较广泛的技术,其作用是为了提高图像的信噪比,突出图像的期望区域。图像降噪归根到底是利用噪声和信号在频域上分布的不同进行的。信号主要分布在低频区域,而噪声主要分布在高频区域,同时图像的细节也分布在高频区域。传统的空域或频域去噪算法往往在滤除噪声的同时也滤除了图像中的边缘信息,破坏了图像的细节。因此如何在滤除图像噪声的同时较好地保持边缘纹理细节,成为人们广泛关注的热点问题。 本文的主要研究工作可分为以下两方面: 第一,基于非线性空域滤波技术,结合多尺度多方向的模板,提出一种自适应的保细节算法。该算法不仅保持了模板在保留图像细节方面的优势,而且利用图像灰度梯度直方图的统计特征,将整幅图像分割为若干个子图像,再根据各个子图像的特性,并结合全局梯度特征信息自适应的生成动态阈值,比较好地解决了以往阈值选取的困难,提高了图像平滑的自动化程度。 第二,基于传统的偏微分方程的算法,提出加入对大曲率边界点进行线性模板匹配的改进,比较有效地解决了传统的Perona非线性扩散方程在滤波去噪时模糊图像中的大曲率边界点的缺陷。 本文始终遵循理论联系实践,理论实践并重的研究思路,不仅对算法小学校的理论基础和滤波原理作了较详细的论述,而且对不同的算法均使用Matlab语言设计了相关的程序对仿真图像进行验证。实验结果表明,本文提出的两种改进算法较传统算法均有性能上的提高,既可有效去除噪声,又能较好地保持边缘纹理等细节特征。