米字型各向异性扩散模型的图像去噪算法

？针对原始的各向异性扩散模型在对带噪图像去噪时，只利用了邻域内东、南、西、北4个方向上的参考信息，使得去噪效果不够明显的问题，提出了米字型各向异性扩散模型的图像去噪算法。该算法在利用了原始算法中待修复点周围4个方向上参考信息的基础上，还引入了该点邻域内对角线方向上的新信息，给出了采用周围8个方向上的信息进行对图像去噪的新模型，同时证明了该模型的合理性。用新提出的算法与原算法以及一种改进的同类算法对4幅带噪图像进行去噪。实验结果表明，新提出算法去噪效果的峰值信噪比(psnr)相比原算法和改进同类算法平均提高1.90db和1.43db，平均结构相似度(mssim)分别平均提高0.175和0.1，说明该算法更适合于图像去噪。