基于L0梯度最小化的圖像平滑方法研究.pdf

1、圖像具有豐富且結(jié)構(gòu)良好的視覺(jué)信息，但在傳輸或獲取過(guò)程中往往受到噪聲的干擾而產(chǎn)生誤差。這不但對(duì)圖像的視覺(jué)效果產(chǎn)生了很壞的影響，更給后續(xù)的圖像分析處理帶來(lái)了很大困難。因此，圖像平滑作為圖像處理領(lǐng)域里的一項(xiàng)基本技術(shù)就顯得尤為重要。
　　近年來(lái)，基于偏微分的圖像平滑技術(shù)得到了普遍的研究與運(yùn)用。特別是在總變分（total variation，TV）模型提出之后，衍生出了很多改進(jìn)模型。L0梯度最小化（L0 gradient minimizat

2、ion, LGM）模型被廣泛應(yīng)用于圖像平滑處理。作為T(mén)V模型的改進(jìn)版，采用L0范數(shù)正則化項(xiàng)的LGM模型雖對(duì)分片常數(shù)圖像有較好的效果，但其平滑結(jié)果同樣遭受階梯效應(yīng)的影響，且對(duì)圖像中的噪聲不具有魯棒性。考慮到以上缺點(diǎn)，本文在LGM算法基礎(chǔ)上提出了兩個(gè)改進(jìn)的圖像平滑方法，具體如下：
　　首先，提出了基于梯度濾波的L0梯度最小化算法（gradient filtering of L0 gradient minimization，GFLGM）

3、。LGM模型引入處理變量時(shí)，并未考慮圖像噪聲的影響，且該模型處理的圖像結(jié)果中存在階梯效應(yīng)。本文提出了基于LGM濾波處理圖像梯度的圖像平滑方法，即在對(duì)圖像平滑時(shí)先濾波處理圖像梯度。實(shí)驗(yàn)表明提出的方法不僅有效克服了階梯效應(yīng)的影響，而且取得了較好的圖像平滑效果。
　　其次，在GFLGM模型的基礎(chǔ)上，提出了基于梯度濾波L1保真的L0梯度最小化算法（GFLGM-L1）。由于L1范數(shù)具有比L2范數(shù)受誤差影響小的優(yōu)點(diǎn)，新模型將保真項(xiàng)由L2范數(shù)改