67、基于改进权重值的双边滤波算法及 B 样条曲面逼近方法研究

基于改进权重值的双边滤波算法及 B 样条曲面逼近方法研究

一、基于改进权重值的双边滤波算法

1.1 研究背景

在图像的获取、传输和处理过程中，图像常常会受到噪声的干扰。噪声会使图像特征表示变得混乱，而图像特征表示是图像识别和检索中极为重要的步骤。因此，图像去噪研究一直备受关注。目前已经有多种经典的去噪方法，如高斯滤波、中值滤波、维纳滤波、双边滤波、非局部均值算法等。

不同的去噪方法有各自的优缺点：
- 高斯滤波 ：对服从正态分布的噪声有较好的抑制效果，但由于其各向同性，在平滑区域表现较好，但容易导致边缘和纹理模糊。
- 非线性滤波器（如中值滤波） ：基于邻域排序，对边缘的模糊相对较小。
- 非局部均值算法 ：能有效减少噪声且不模糊图像特征，但计算成本较高。
- 中值滤波 ：能有效保留图像边缘信息，但会使细节和纹理过于平滑。
- 维纳滤波 ：是最小均方误差滤波器，但在空间域的去噪效果不太理想。
- 双边滤波 ：通过对邻域像素进行加权卷积，权重取决于像素与中心像素的距离和强度，在保留图像边缘方面比传统的高斯滤波和均值滤波更有效。然而，传统的双边滤波算法基于像素级，强度相似性权重值容易受到噪声干扰，且高斯核范围无限，可能导致某些区域滤波后仍存在噪声，结构保留效果提升不明显。

1.2 经典双边核函数

双边滤波器对邻域像素进行加权平均，权重取决于像素与中心像素