一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节.文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术.该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率.最后采用数据验证了方法的有效性.     

利用自适应图像块划分的图像噪声强度估计EI北大核心CSCD

传统的基于图像块划分的噪声强度估计方法通常先将图像划分为若干规则矩形图像块,并利用其中平滑的图像块进行噪声强度计算.然而当图像的结构信息比较丰富时,传统的方法往往会出现较大的偏差.为了解决该问题,提出一种基于自适应图像块划分的图像噪声强度估计方法.首先结合图像的空间邻域信息,将含噪图像划分为若干贴合图像局部边缘、纹理等结构信息的自适应图像块;然后根据所划分图像块的统计特性,通过散点图统计法选取出平滑的自适应图像块;最后利用平滑自适应图像块估计图像的噪声强度.实验结果表明,相比于已有的噪声估计方法,该方法在针对不同噪声强度、不同复杂程度的图像时更加准确和稳定.     

利用自适应图像块划分的图像噪声强度估计

传统的基于图像块划分的噪声强度估计方法通常先将图像划分为若干规则矩形图像块,并利用其中平滑的图像块进行噪声强度计算.然而当图像的结构信息比较丰富时,传统的方法往往会出现较大的偏差.为了解决该问题,提出一种基于自适应图像块划分的图像噪声强度估计方法.首先结合图像的空间邻域信息,将含噪图像划分为若干贴合图像局部边缘、纹理等结构信息的自适应图像块;然后根据所划分图像块的统计特性,通过散点图统计法选取出平滑的自适应图像块;最后利用平滑自适应图像块估计图像的噪声强度.实验结果表明,相比于已有的噪声估计方法,该方法在针对不同噪声强度、不同复杂程度的图像时更加准确和稳定.     

图像增强技术的研究

如何有效地增强图像是图像分析中的一个难点,通常,图像的目标背景对比度低,噪声大.平滑处理后图像的边缘轮廓更加模糊不清.常用的拉普拉斯锐化方法在突出图像边缘的同时,也提升了平滑图像中的残留噪声.针对这种问题,提出了用直方图规定化方法增强平滑后的图像,该方法克服了拉普拉斯锐化的缺点,且明显地增强了图像的细节部分.理论分析和仿真结果均表明,该算法能够提高图像成分的清晰度,提供更准确、更满意的图像.     

数字图像的平滑技术

一幅原始图像在获取和传输过程中会受到各种噪声的干扰,使图像质量下降.退化会引起图像模糊,特征淹没,对分析图像不利.为了抑制噪声改善图像质量进行的处理称为图像平滑或去噪.主要分析图像在空间域平滑处理方法,相关方法的适用场合.     

基于P&M模型的图像去噪平滑处理算法

研究图像平滑处理去噪问题.针对传统图像平滑算法在去除噪声的同时会破坏边缘、纹理等不能保持原图图像特征.为解决此问题,提出了一种基于PDE's各项异性的扩散Perona&Malik算法.通过引入高斯平滑算子,利用P&M模型的可调扩散系数来改善图像平滑效果,在抑制噪声的同时能够保持这些特征的特点.通过仿真分析表明,所提出的算法对孤立的噪声点平滑效果明显,同时也不会过多地影响原来图像的特征.     

基于Mean Shift聚类的最大熵图像分割方法

为了有效的分割图像,在考虑了图像的噪声消除和边缘保持等因素的基础上,为解决上述问题,提出一种Mean Shift的图像平滑方法和最大熵的图像分割方法相结合的图像分割方法,Mean Shift对图像进行平滑能有效去除图像中的噪声,同时能很好的保持图像的边缘,克服了以往平滑方法的弱点,再通过基于最大熵阈值对平滑后图像进行图像分割,经过实验证明,与小波平滑等目前其他的平滑方法和最大熵分割结合相比,方法有效的改善了分割效果。     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

偏微分方程图像平滑模型的一种最优停止准则

基于偏微分方程的各种非线性图像平滑模型, 可归结为求解初始值为输入图像的非线性扩散方程. 这些非线性图像平滑模型在滤除噪声的同时, 在保留图像重要特征方面表现出良好的性能.采用这些模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响.该文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代. 它易于实现而且又有很强的通用性.实验结果表明该算法可以在图像平滑过程中适时地停止迭代, 获得满意的图像平滑效果.     

一种改进的图像边缘检测的方法

针对多种边缘检测算子对图像的噪声敏感,同时图像或多或少有些噪声问题,本文给出了自适应平滑滤波的方法,进而采用四种Sobel算子对同一图像卷积运算,然后使用改进的极值的方法对图像亮度做梯度运算,最后对图像做阈值处理。经.net平台实验证明,该方法在去除噪音的同时有效地保留了图像的平滑度,同时边缘检测的准确度较高,效果非常明显。