一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

基于VB与MatrixVB的各向异性扩散图像滤波方法实现

针对Visual Basic数值计算能力和图像处理能力的不足,不利于系统开发,介绍各向异性扩散方法的原理及其基于VB和MatrixVB的实现,编制了具有Windows界面和图形处理功能的各向异性扩散图像滤波程序.该方法将Matlab的强大计算功能与VB的Windows用户界面开发方面优势结合起来,缩短了软件的开发周期.软件测试结果表明,计算方法正确,方法稳定可靠,算法设计优化,所开发的应用软件具有界面友好,计算速度快,系统资源消耗少,操作简便易行,能满足图像滤波的要求.     

基于非线性小波阈值的各向异性扩散方程

本文给出了林石算子定义的扩散方程的小波阈值等价形式,并在此基础上对林石算子定义的扩散系数计算公式进行了修改,将其中估计各阶导数时所用的高斯线性滤波图像改成平移不变小波非线性阈值图像,这样避免了高斯滤波引起的过度光滑和边界移动.实验结果表明新的扩散方程在保持边缘位置的同时能更有效地去除噪声.     

基于四方向导数信息的图像非线性扩散去噪

分析图像去噪的非线性扩散模型的离散解,针对其中的梯度获取问题,考虑一种新的基于四方向导数信息的图像非线性扩散去噪方法.该方法将原有非线性扩散去噪中的二阶扩散矩阵扩展为四阶扩散矩阵,并由边缘的实际取向来决定像素点邻域内八个点对该点去噪的贡献大小,有利于更好的保护边缘和对边缘定向.数值计算结果表明,新方法较原有方法具有更高的峰值信噪比.     

一种改进的方向扩散方程滤波方法

利用方向扩散方程去噪时,噪声滤除的同时边缘也很快模糊了.基于这一缺陷,本文用各向异性扩散算子代替了方向扩散方程第一项中的拉普拉斯算子,并在方程的两个扩散项前加上了不同的扩散系数,以保证算法既能快速扩散去除噪声,又能较好保留边缘.而且,当新模型中的初始逼近图像退化为常数时,本文模型就退化为Perona-Malik扩散方程,因此Perorm-Malik扩散方程是本文新模型的一个特例.实验结果和客观数据分析均表明本文算法在保留边缘方面具有明显的效果.     

多小波域上各向异性扩散在纹理图像去噪中的应用

去噪是图像处理中的一个重要技术,一般的去噪算法会造成图像边缘信息被平滑,为了有效地抑制噪声而同时又保护好边缘信息,在多小波变换的基础上,提出了一种新的去噪算法,它结合了多小波变化和各向异性扩散(P-M扩散)两者的优点,利用多小波变换把纹理图像分解为高频子带和低频子带,然后根据子带图的特点分别采用不同的各向异性扩散方法,实验结果表明,该算法去噪效果好,改善了图像的峰值信噪比(PSNR)和最小均方误差(MSE),同时更好地保留了图像的纹理和细节.     

基于人类视觉系统的各向异性扩散图像平滑方法

本文首先分析了图像处理领域中现存各向异性扩散技术所面临的一些问题,然后根据人类视觉系统的一些特性提出了一个改进的各向异性扩散方法.由于该方法充分利用了可见度函数所提供的信息,它不仅避免了Perona-Malik 以及You-Kaveh方案中对参数选择的困难,而且也克服了Catte方案对观察图像进行预平滑的过程中所面临的问题.实验结果表明,在图像平滑的过程中,该方法在噪声消除和边缘保留方面能获得较好的效果.     

基于各向异性扩散的图像去噪并放大

本文从各向异性扩散图像去噪方法出发,在偏微分方程有限元方法的基础上,提出一种图像复原并放大的 算法,实验表明该算法比中值滤波后插值所得图像的主、客观质量要好。     

一种改进型各向异性扩散滤波器

通过分析Perona和Malik(PM)扩散滤波器扩散率函数的统计学意义,提出一种关于扩散率函数的统计学解释模型,即扩散率函数定义了一个以边界估计算子为随机变量的概率密度函数,解决了扩散率函数设计和选择没有统一理论的问题.依据这一解释模型,设计出一种改进型的各向异性扩散滤波器.实验结果显示,改进型扩散滤波器只需要相对于PM方法较少的迭代次数,就能得到预期的图像去噪效果,证明统计学解释模型为各向异性扩散滤波器提供了一种有效的设计方法.     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

一种基于TV-Stokes方程的图像修复算法

讨论使用TV-Stokes方程进行图像修复,通过把等照度线方向传输进入修复区域,用能量最小化模型和零散度条件,获得一个非线性的Stokes方程.一旦构造了等照度线,图像就以等照度线方向修复.     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

嵌入固有模态函数的各向异性扩散方程用于图像降噪

该文利用经验模态分解技术对图像进行分解,获得表示图像不同频率属性的各个固有模态函数分量,并将代表图像高频信息和次高频信息的固有模态函数嵌入到Perona-Malik模型中。改进后的模型不仅在对高斯噪声降噪时优于原Perona-Malik模型,而且对椒盐噪声也能较好地去除。     

基于偏微分方程的医学磁共振图像去噪

本文引入了基于偏微分方程的Perona-Malik模型,并结合了Catte的高斯扩散滤波器的概念,给出了一种针对医学磁共振图像去噪的方法及其实现。文中通过给出不同参数,对结果加以比较分析。把该方法应用于医学图像去噪,得到比较令人满意的结果。