王 磊，王 敏，张鹏程，任时磊，高晓玲，桂志国

(1. 中北大学 生物医学成像与影像大数据山西省重点实验室，山西 太原 030051；2. 临汾市人民医院，山西 临汾 041000)

0 引 言

数字图像是生活中重要的信息来源，然而，图像在产生、传输、使用的过程中，不可避免地会引入噪声，由于噪声往往与图像高频信息相关，因此，在保留重要特征的同时去除噪声是一项值得研究的工作. 图像去噪在图像增强、图像分割、目标识别等领域扮演着重要的角色[1-3]，如何在去除噪声的同时保留图像边缘和纹理细节，一直是研究的重点. 在图像空间域经典的去噪算法有双边滤波、偏微分方程[4]、非局部均值[5]、导向滤波[6]等. 其中，文献[4]提出的各向异性扩散方法也称为P-M模型，将像素值看作热流，把图像梯度引入扩散系数，在图像边缘处，扩散系数小，在平滑处，扩散系数大，从而有效保护了图像边缘，该模型自提出以来，就受到研究人员的广泛关注.

近年来，国内外众多研究学者基于P-M模型提出了很多改进算法. Ochotorena等[7]提出将各向异性扩散与加权导向滤波[8]结合，利用加权平均实现最大扩散，同时保留图像的强边缘，解决了细节光晕的问题. 方政等[9]提出基于多方向中值滤波的各向异性扩散算法，通过局部方差和图像梯度改进扩散系数，结合中值滤波算法，在滤波过程中注重对边缘细节的保持，提高了图像质量. Chao等[10，11]提出在各向异性扩散模型中针对不同类型图像，在模型中加入灰度方差，进一步保……