基于梯度和信息熵特性的自适应分数阶微积分图像去噪研究

椒盐噪声常存在于数字图像中,以随机的黑白像素点的形式呈现,降低了图像的处理效率。为去除椒盐噪声,基于梯度和信息熵特性,对自适应分数阶微积分椒盐噪声图像去噪算法进行了研究。该算法中,利用图像的局部特征,对图像的噪声点、边界、纹理区域和平缓的区域进行分割。在分割的基础上,对于不同的像素点,给出关于信息熵和梯度的分数阶的阶次分段函数。实验结果表明,相较于传统去噪算法,提出的自适应分数阶微积分椒盐噪声图像去噪算法能大幅提升PSNR和ENTROPY值,从而在较好地完成去噪的同时,还能抑制图像边界和纹理区域的信息缺失。