非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

图像复原的Contourlet收缩与广义全变分正则化方法

建立了广义全变分(total variation,TV)模型,分析正则项在复原算法中的作用.分别从图像的平坦区域和边缘区域入手,在平坦区域图像各向同性扩散,在边缘区域则要满足各向异性扩散,从理论上对两种情形下的扩散做深入分析,推导出广义TV模型满足的一些条件,为了防止高噪声情形下复原模型失效以及克服方块效应,在正则项中引入了 Contourlet收缩,它是一种多分辨的、局域的、多方向的更稀疏的图像表示方法,正则项中引入的Contourlet收缩具有去噪和提取图像重要信息的作用,Contourlet收缩与广义TV正则化相结合,兼顾了图像的光滑性和边缘保持,特别是在图像严重模糊、噪声越多的情形下,更加体现了这种算法比改进的TV模型有效.     

基于结构张量的图像修复方法

针对传统各向异性扩散方程在修复图像时仅考虑梯度模的大小,且在修复彩色图像时易产生虚假边缘等缺陷,提出基于结构张量的图像修复方法。将结构张量作为各向异性扩散方程的扩散系数,实现在不同区域有不同的扩散方式。实验结果显示:该方法与整体变分(TV)和BSCB方法相比,提高了图像修复效果,有效地完成对于彩色图像的修复。     

带有高阶耦合项的各向异性扩散图像复原*

二阶各向异性扩散进行图像去噪容易产生块效应。针对这个方面的不足,通过在整体方差模型中引入高阶耦合项,使图像边缘得到保持的同时得到分片光滑的结果。分析了耦合系数和迭代次数对图像复原结果的影响。实验结果证明,引入高阶耦合项的新模型能够很好地防止块效应的产生。新模型与其他两种模型(整体方差模型、四阶偏微分复原模型)的图像复原相比,最大峰值信噪比比整体方差高出2 dB,比四阶偏微分高出1dB左右。     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.提出了一种改进的图像修复算法,该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

变分模型在矢量图像修复中的应用

图像修复是指恢复图像中破损区域的颜色信息或者去除图像中的多余物体。分析了基于整体变分法TV模型以及矢量图像耦合技术的原理,根据矢量图像耦合思想将整体变分法运用到矢量图像中并对矢量图像进行试验。实验结果表明：改进的矢量图像耦合修复模型能较好地修复大块彩色图像的缺失信息和移除多余物体,能保持彩色图像的边缘,且有较好的去噪功能。     

改进TV复原模型的彩色-灰度图像变换方法

针对彩色图像到灰度图像的变换这一问题,提出了一种新的基于TV（全变分）复原模型的新方法。利用Sapiro等所提出的矢量图像的水平集概念,结合全变分复原,建立新的变换模型,实现算法。实验表明,所提方法实现的彩色-灰度图像变换,不仅很好地解决了原来传统变换不能保持形状的问题,并且能解决Sapiro等所提出方法的边缘模糊化缺点,使变换后图像的边缘锐利程度得到了较大的提高。     

基于改进各向异性扩散的超声医学图像滤波方法

为了能有效地去除超声医学图像中的噪声,又能较好地保持图像的边缘和重要细节信息,在η-ξ正交坐标系下研究并分析了各向异性扩散模型(P-M模型)的扩散滤波机制,并在此坐标系下建立了一种新的各向异性扩散滤波方案。实验结果表明,改进的扩散模型不仅能够有效地保持图像边缘,而且还能够克服P-M模型对小尺寸噪声的敏感问题。     

结合局部熵的各向异性扩散模型

Perona-Malik (P-M)模型是一个经典的各向异性扩散模型,该模型不能保持图像的重要细节(如纹理)。针对此问题,文中提出一个结合局部熵的各向异性扩散模型,该模型的扩散系数不仅依赖于图像梯度,也依赖于局部熵描述的局部区域信息。实验表明该模型不仅能有效去除图像噪声,更好保持图像弱边缘,而且能较好地保持图像的重要细节。     

改进的二阶总广义变分图像去噪算法

为了有效地去除含噪图像中的噪声,克服总变分（TV）去噪易于导致阶梯效应的缺陷,提出了一种改进的二阶总广义变分（TGV）的图像去噪方法。介绍了二阶TGV的理论基础,在二阶TGV中引入了各向异性扩散张量,利用张量函数引导扩散,获得了新的去噪模型,最后提出了一种扩展了的原始-对偶算法对新模型进行数值求解。新模型充分结合了二阶TGV作为正则项自动平衡了一阶和二阶导数项,以及张量函数的各向异性扩散,有效突出边缘结构的特性。实验结果表明,该方法在有效地去除含噪图像中噪声的同时,避免了阶梯效应,增强了对原始图像中边缘结构的保持。     

p(x)调和映射在图像恢复中的应

本文研究了基于p(x)调和映射的变分图像恢复模型,得到关于能量泛函极小解的存在唯一性,导出了相应的演化方程。实验结果表明,此模型结合了TV非迷向扩散模型以及高斯迷向扩散的优点,在保持轮廓的基础上,减少了"块状"效应,并且提高了计算效率。     

Anisotropic diffusion equation with a new diffusion coefficient for image denoising

This paper presents a new anisotropic diffusion model which is based on a new diffusion coefficient for image denoising. In the proposed model, a new diffusion coefficient and a method of automatically set gradient threshold parameter are introduced into an anisotropic diffusion model, which weakens the staircasing effect and preserves fine edges in a processed image. Comparative experiments show that the new model achieves the more satisfied denoising results than the other existing models.     

Augmented Lagrangian Method for Total Variation Based Image Restoration and Segmentation Over Triangulated Surfaces

Recently total variation (TV) regularization has been proven very successful in image restoration and segmentation. In image restoration, TV based models offer a good edge preservation property. In image segmentation, TV (or vectorial TV) helps to obtain convex formulations of the problems and thus provides global minimizations. Due to these advantages, TV based models have been extended to image restoration and data segmentation on manifolds. However, TV based restoration and segmentation models are difficult to solve, due to the nonlinearity and non-differentiability of the TV term. Inspired by the success of operator splitting and the augmented Lagrangian method (ALM) in 2D planar image processing, we extend the method to TV and vectorial TV based image restoration and segmentation on triangulated surfaces, which are widely used in computer graphics and computer vision. In particular, we will focus on the following problems. First, several Hilbert spaces will be given to describe TV and vectorial TV based variational models in the discrete setting. Second, we present ALM applied to TV and vectorial TV image restoration on mesh surfaces, leading to efficient algorithms for both gray and color image restoration. Third, we discuss ALM for vectorial TV based multi-region image segmentation, which also works for both gray and color images. The proposed method benefits from fast solvers for sparse linear systems and closed form solutions to subproblems. Experiments on both gray and color images demonstrate the efficiency of our algorithms.     

基于剪切波和改进P-M扩散的图像去噪

针对多尺度几何分析方法去噪时产生的伪Gibbs效应和各向异性扩散模型产生的阶梯效应,提出一种基于剪切波的改进各向异性扩散图像去噪方法。首先对噪声图像进行剪切波变换得到不同尺度的系数矩阵,然后利用改进的各向异性扩散方程对变换后的系数进行处理,实现建立在对图像精细分析基础上的各向异性扩散模型。实验结果表明,该方法能较好地抑制噪声和保持边缘,同时有效地抑制伪Gibbs效应,取得良好的视觉效果。     

强噪声彩色图像空域恢复方法

为了解决基于RGB颜色模型的强噪声彩色图像空域恢复方法的丢失细节问题,依据分解彩色图像得到的三个分量在相关处理后可合成为彩色图像的理论,采用图像的基于像素点的空域处理理论,研究了受强噪声污染的彩色图像的点处理恢复方法。设计了基于RGB颜色模型的彩色图像分量的点处理恢复算法,给出了根据噪声强度调用该算法依次恢复R分量、G分量和B分量的过程。实验结果表明,与经典的空域滤波器比较,基于像素点的空域处理具有保持图像细节的优点,适用于解决基于RGB颜色模型的强噪声彩色图像的恢复问题。