徐振洋　刘智　李琰婷

摘 要：本文主要研究基于偏微分方程图像去噪增强。针对降质图像去噪增强问题，结合偏微分理论和图像去噪增强方法，改进P-M各向异性扩散模型，有效去噪并保留图像边缘信息。对于基于梯度场均衡化对比度增强的不足，结合偏微分和可调直方图均衡化，增强图像纹理并改善对比度，并客观质量评价处理后图像。

关键词：偏微分方程；图像去噪；图像增强；优化

中图分类号：TP391 文献标识码：A

1 基于偏微分方程的图像去噪模型

随着电子技术发展和计算机水平不断提高，图像去噪增强作为图像处理的重要部分，吸引科学工作者深入研究。

通过合理选定时间间隔和调节因素ε，就能输出增强后的图像质量较好、整体亮度适度、对比度合理的视觉效果好的图像结果。

3 仿真实验

对加入随机噪声的lena图像进行去噪实验，证明改进方法的优越性。k1=10，k2=40，k3=40，△t=0.0001，ε=1，迭代求解35次。将P-M模型与改进模型处理后的图像的峰值信噪比随迭代次数的变换曲线图放在图1中直接对比。改进模型的峰值信噪比随着迭代次数的增加要比P-M模型大，去噪效果优良。

为证明本文改进的图像增强方法的优越性，进行以下增强实验。

图2（a）行驶车辆和路标模糊不清；图2（b）远处有失真，局部出现方块化，增强效果不好；图2（c）噪声干扰增加并且对比度低；图2（d）没有失真并且图像对比度有提高。信息熵的大小表示图像中含有的信息量的多少，计算信息熵结果依次为4.82，4.99，5.35，6.91。信息熵越大，图像中信息量越多，说明改进算法结果优良。……