基于MATLAB火灾图像去噪算法比较摘要：火灾图像在产生和传输的过程中，会受到各种噪声不同程度的干扰。这些干扰会给后续处理工作带来不便。文中利用MATLAB软件对全变分算法和自适应正则化全变分算法进行比较。实验结果表明：全变分算法运算速度的确较快,但会导致纹理细节等重要信息丢失或模糊。而自适应正则化全变分算法可以很好地保留图像的纹理细节和边缘信息。利用MATLAB软件进行仿真实验，结果证实自适应正则化全变提高0.5.dBo关键词：图像去噪；全变分；自适应去噪中图分类号：TP751.1文献标识码：A文章编号:1674-7712(2012)14-0111-03一、引言在火灾图像的产生过程中，难免受到各种因素干扰，导致火灾图像会带有噪声。这些噪声将给火灾图像后续传输、处理带来很多不便。因此在对火灾图像进行后续处理前，必须先对其去噪，减弱干扰，以使图像更有利于下一步的图像处理工作。1992年，Rudin、Osher和Fatemi[4]提出的基于梯度能量函数的全变分(TotalVariation,简称TV)去噪算法,在图像分算法去噪的有效性,其信噪比(SNR)较前一种方法至少去噪领域得到了广泛的应用和研究［广3］。TV算法能有效地去除噪声，但可能会使图像的边缘变得模糊，使细节信息变得不清晰。为了克服全变分方法的不足，有学者提出自适应正则化的全变分去噪算法［4］。自适应正则化的全变分算法对StanleyOsher［5］等学者提出的迭代正则化参数进行改进，依照图像不同区域的细节信息，自适应获取正则化参数。自适应正则化的全变分算法在去噪的同时可以有效保留图像的重要细节，更优程度地达到了图像去噪的目的。在上述参考文献的启发下，本文将自适应正则化的全变分算法应用到火灾图像复原中，并利用MATLAB软件进行仿真实验。仿真实验结果表明，运用自适应正则化的全变分算法来去除火灾图像的噪声比传统方法效果更好，能在去噪的同时很好地保持图像的细节纹理信息。二、全变分极小化算法五、结论利用全变分算法进行图像复原是近年来的热门课题。本文将Rudin、Osher等人的全变分算法和自适应正则化的全变分去噪算法［4］进行比较。实验结果表明自适应正则化的全变分去噪算法选择性较好，该算法不但能够有效地去除噪声、保持图像的边缘和细节信息。人眼也能直观感受到利用A-R-T算法复原的图像质量较好。参考文献：[l]Chan,T.F.andEsedoglu,S・,Aspectsoftotalvariationregularized11functionapproximatiori.SIAMJournalonAppliedMathematics・v75i5・1817一1837・[2]D.StrongandT・Chan・Edge-preservingandScale-dependentPropertiesofTotalVariationRegularization.Inv.Probl.,19：165一187,2003.[3]RudinL,OsherS,FatemiE.NonlinearTotalVariationBasedNoiseRemovalAlgorithms[J]・PhysicaD,1992,60(1-4):2592268・[4]余丽红，冯衍秋，陈武凡。基于自适应正则化的全变分去噪算法[J].中国图象图形学报，2009,10(14)：1950-1954.[5]StanleyOsher,MartinBurger,DonaldGoldfarb,Jin-JunXu,andWotaoYin.AnIterativeRegularizationMethodforTotalVariation-BasedImageRestoration・MultiscaleModelingandSimulation,4(2):460-489,2005.[6]Ring,W.2000.Strueturalpropertiesofsolutionsoftotalvariationregularizationproblems.M2ANMathematicalModelingandNumericalAnalyses・34(4):799-810.[7]DellaPietra,S.,DellaPietra,V.,&Lafferty,J.(2001).DualityandauxiliaryfunctionsforBregmandistances・TechnicalReportCMU-CS-01-109,SchoolofComputerSciencieMellonUniversity・[8]E.CETIN,Aniterativealgorithmforsignalreconstructionfrombispectrum,IEEETrans.SignalProcess,39,(1991),pp.167-188e,Carneg.[作者简介]余丽红(1985-),女，湖北咸宁人，讲师，硕士研究生，教学和科研方向为信号处理。刘海云(1987-),女，江西赣州人，助理研究员，研究方向为高等教育管理。