www.89xue.com小编为您提供一篇关于基于各向异性扩散的电子散斑图像去噪的毕业论文提纲，欢迎参考！
1．引言
电子散斑干涉(Electronic Speckle Pattern Interferometry，ESPI)是一种具有测量灵敏度高、非接触、可用于全场等优点的测量方法，受到了人们的关注。它的测试结果是以干涉条纹图的方式被记录和进行处理。但是，在散斑干涉条纹图中，存在着大量的散斑颗粒噪声，极大地降低了条纹的信噪比，这些斑点噪声是ESPI 数据处理中最主要困难之一，人们一直试图用各种方法来降低或消除散斑噪声所带来的不利影响。
传统的滤波方法，如均值滤波、中值滤波、傅立叶变换滤波等，在滤掉图像中散斑噪声的同时，也会滤除、模糊许多有用的信息。再加之散斑颗粒大且杂乱无章，很容易损伤原始条纹，从而给测量带来了误差。张东升等采用频域同态滤波技术，得到了高质量的ESPI条纹图。Qian提出加窗傅立叶变换法，在滤除噪声的同时可以保持条纹的边缘信息。于起峰等提出的旋滤波算法以及在此基础上发展的等值线窗口滤波法，可以较好地滤除散斑条纹图的噪声，同时又不损伤条纹特性，是滤除散斑条纹图噪声的比较理想的方法。
偏微分方程(Partial Differential Equations，PDE)方法近几年开始大量应用于图像处理，引起广大学者的极大关注。Tang Chen 等采用PDE 模型对ESPI 条纹图进行了去噪，获得了易于提取位相场的图像。本文基于Perona 和Malik[9]提出的经典各向异性扩散滤波方法(P-M 模型)对ESPI 条纹图进行去噪，针对原始算法的不足，提出了改进的方法，从而在抑制斑点噪声的同时，很好地保持图像的边缘，在一定程度上克服了边缘保持和噪声消除之间的矛盾，为下一步数据处理提供了有效保障。
2．各向异性扩散模型的改进
为了克服各向同性扩散方程平滑过程的缺点，Perona 和Malik 提出的各向异性扩散滤波方程：
在P-M 模型只用到了中心像素点