基于PDE正则化的超分辨率图像重构方法

采用非线性扩散模型建立超分辨率图像重构的偏微分方程，利用各向异性扩散方程的方向选择平滑的特性，在重构高分辨率图像的同时能够很好地消除系统噪声，保持细节信息。实验结果表明，该方法有效地提高了重构的图像质量，在视觉观察和数值评价上都优于原有正则化方法，并且对不同噪声水平的图像具有很好的鲁棒性。     

基于视觉梯度的图像非线性扩散滤波

各项异性非线性扩散滤波方法自诞生以来,许多研究者致力于该方法的改进和优化,并取得了很大的进步。然而,这些改进模型都很少关注到人类视觉系统信息的利用。把视觉系统信息融合到梯度信息中,定义了视觉梯度这一全新的概念。在此基础上,用视觉梯度替代经典的各项异性扩散模型中的图像梯度,得到了基于视觉梯度的各向异性非线性扩散滤波模型。最后,数值实验结果说明了该模型的效果。     

基于拓扑导数的复扩散在图像去噪及边缘提取中的应用

提出了基于拓扑导数的非线性复扩散用于图像去噪及边缘提取的一种算法.由于线性扩散会使图像边缘模糊,基于拓扑优化思想,对每个像素点的线性复扩散系数扰动,使得拓扑导数最小的扩散系数为最优.文中选取的扩散系数具有各向异性的特性,从而克服了Perona-Malik的各向同性扩散系数不利于去除边缘噪声的缺陷,选择拓扑导数足够小的像素点,对这些像素点用最优扩散系数进行扩散.文中给出了使算法迭代终止的判据.实验证明,与Guy Gilboa的非线性复扩散相比,本文方法对原始加噪图像处理后,实部图像体现出了更好的去噪效果,虚部图像则很好地保留了图像边缘,此外,本文方法还消除了Perona-Malik的方法对图像去噪后产生的阶梯效应.     

基于非线性扩散的图像分解中的自动阈值估计

在对SAR图像进行处理如目标提取和图像压缩时,可以将图像分解为多个分量,这些分量代表了不同的图像特征,针对不同分量的特点分别选取最合适的处理方式,则能够得到性能上的极大提升。使用非线性扩散方法,将图像分解为表征大尺度结构信息的结构分量和表征小尺度细节信息的纹理分量,并对扩散过程中的阈值自动估计问题进行了研究,将拉依达准则引入基于非线性扩散的图像分解的自动阈值求解,并对多种扩散参数形式的扩散过程进行了实验和评估。     

基于尺度空间理论和反扩散函数的图像去噪

在使用扩散过程平滑噪声之后引入反扩散过程来恢复边缘，结合尺度空间理论和反扩散函数对图像进行去噪处理。该方法使用最小描述长度（MDL）准则自适应地选择图像中每一点处的最优尺度对图像进行滤波。加入尺度范围限制降低了过平滑和欠平滑的影响。改进了反扩散函数模型，对降质图像中的边缘进行恢复。与经典的滤波方法以及各向异性扩散方程的结果相比。本文方法取得了较好的效果。     

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.     

基于图像分解的多核非线性扩散去噪方法

研究了一种基于图像分解的多核非线性扩散去噪方法,利用两个非线性扩散模型分别提取图像的主信号和细节信息。先建立一个基于边缘定向的非线性扩散模型,实现对图像的主信号的提取。然后利用P—M扩散方程提取残余图像中的高频信号。将两步处理得到的信号进行合成,得到最后的处理结果。该方法能充分利用各个不同模型的优势,在整幅图像上均具有较好的处理效果。仿真计算结果表明,经该方法处理后的图像与现有的非线性扩散去噪方法相比,其噪声抑制更充分、边缘更清晰、峰值信噪比更高。     

图像有损压缩预处理的各向异性扩散新方案

结合小波变换,提出了图像有损压缩预处理的各向异性扩散方案。各向异性扩散在图像平滑中,其不但能够较好地抑制噪声,而且能够很好地保留图像原有的边缘和纹理特征,而小波变换又具有人类的视觉特性。该方案先对图像作小波变换,再根据各子图像的特点,用不同的各向异性扩散方法处理子图,最后压缩重构图像。实验表明,对有损压缩来讲,与已有的方法比较,该方案具有更好的解码质量和更高的压缩比。     

曲率驱动与边缘停止相结合的图像放大

基于非线性扩散在保留图像重要特征方面表现出的良好性能,提出将曲率作为一个控制传导率因素的曲率驱动与边缘停止相结合的非线性扩散模型(C&E模型)应用于图像放大。该模型在实现热扩散时不仅能够连接等照度线和强化边缘,而且强调保护小曲率和大梯度。针对这一模型进一步讨论了其应用于图像放大的初始化条件和数值实现方案。实验结果证明,具有曲率运动、边缘冲击特性和平滑去噪性能的CB-E模型较线性扩散方法能更好地放大图像。     

一种离焦模糊图像的盲复原方法

针对离焦模糊图像提出了一种基于图像阶跃边缘扩散特性的盲复原方法。该方法通过改进Grubbs异常值检测准则,对图像中的阶跃或近似阶跃边缘进行定位。通过自适应选取最佳图像区域的方法计算线扩散函数,进一步利用离焦模糊半径与线扩散函数之间的关系,计算出离焦模糊参数。根据参数得到点扩散函数,最终对离焦模糊图像进行复原。实验结果表明,该方法的复原效果较好,具有一定的应用价值。     

基于小波维纳滤波和各项异性扩散的图像去噪

提出一种基于小波和各项异性非线性扩散的新图像去噪算法。小波域局部阈值维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或各项异性非线性扩散去噪。     

一种非线性扩散滤波器的设计方法及其应用

非线性滤波器在保留图像重要特征方面表现出良好的性能，这些非线性图像滤波大多源于求解初始值为输入图像的非线性扩散方程，设计合适的扩散系数可以控制扩散方程的扩散行为，使得在平滑图像的同时能够保留图像的重要特征信息，该文给出了一种非线性异性扩散滤波器的设计方法，通过引入图像特征来选取合适的局部坐标系，将整体坐标系中的扩散系数矩阵的设计问题转化为局部坐标系中沿各坐标方向的扩散系数的设计，这种设计方法简单，便于更好地理解扩散滤波器的扩散行为，具有更加明确的物理意义，实验结果说明了此方法的可行性，在图像的保边光滑处理方面具有明显的效果。     

基于图像局部最大中值差和梯度的非线性扩散

分析了图像平滑中几种基于非线性扩散模型存在的问题,提出一种改进的非线性扩散方法。该方法用图像局部最大中值差和像素的梯度幅值联合度量图像的不平滑度,由此控制偏微分方程（PDE）的扩散行为,达到既去除噪声又保持图像边缘的目的。实验结果表明,用该方法既可以去除图像噪声又可以保持图像边缘,并且收敛速度较快。     

一种新的三阶非线性扩散图像平滑方法及其算法实现

基于非线性扩散在保留图像重要特征方面表现出的良好性能，通过引入图像局部特征（曲率），将曲率和梯度联合作为控制传导率的因素引入非线性扩散方程，提出了一个新的三阶非线性扩散方法，并讨论了该方法的数值实现。实验结果表明，这一方法对各种类型的噪声均有好的平滑效果。     

基于概率扩散的多光谱遥感图像分类模型

为了提高遥感图像分类精度,提出了一种基于概率扩散模型的多光谱遥感图像自动分类技术。该方法首先通过比较模糊C均值分类器（FCM）的有效性函数来自动确定最优分类数目,然后利用基于形态学的各向异性概率扩散模型来调整中心像元隶属类别的概率,最后根据概率扩散的隶属概率向量图,并按照最大后验概率估计（MAP）对像元进行分类。由于各向异性扩散具有保边缘平滑的特点,因此,该概率扩散模型不仅能够有效地抑制同质区域内部“斑点”的产生。而且使得图像上重要的边缘特征得到了较好地保留。实验结果表明,该分类算法不仅能够避免分类图像中“斑点”噪声的影响,而且分类后的总体精度达到了77．76％和Kappa系数达到了0．7198,均优于未经过概率扩散的最大后验概率估计分类算法,因而具有一定的实用价值。     

Quaternion Diffusion for Color Image Filtering

How to combine color and multiscale information is a fundamental question for computer vision, and quite a few color diffusion techniques have been presented. Most of these proposed techniques do not consider the direct interactions between color channel pairs. In this paper, a new method of color diffusion considering these effects is presented, which is based on quaternion diffusion （QD） equation. In addition to showing the solution to linear QD and its analysis, one form of nonlinear QD is discussed. Compared with other color diffusion techniques, considering the interactions between channel pairs, QD has the following advantages： 1） staircasing effect is avoided; 2） as diffusion tensor, the image derivative is regularized without requiring additional convolution; 3） less time is needed. Experimental results demonstrate the effectiveness of linear and nonlinear QD applied to natural color images for denoising by both visual and quantitative evaluations.     

基于四阶非线性扩散方程的新型图像去噪方法

提出了一种基于新型扩散系数函数的图像去噪方法,这种扩散系数函数是利用图像特征的一些特殊性质构造出来的。该函数较常用的P-M启发性扩散系数函数,在图像去噪的过程中,不仅能更好地抑制、平滑噪声,较完整保留了图像的细节,使图像更平滑清晰,而且还大大降低了参数的选取难度以及参数对实验效果的影响程度。并通过基于该方法的四阶非线性扩散的图像去噪实验,结果表明了该方法的有效性。     

基于各向异性逆扩散方程的指纹图像锐化去噪方法

基于逆扩散过程的启发,提出各向异性逆扩散算法用于指纹图像的锐化去噪方法,克服了退化扩散方程对大曲率边缘点的模糊效应,兼顾了去噪和保持边界这一矛盾的两个方面,尤其适合于纹理密集的指纹图像锐化.实验结果表明,本文算法对于带噪指纹图像的锐化效果明显优于以往非线性扩散处理算法.     

一种新的各向异性扩散时间尺度估计方法

在各向异性扩散(AD)的图像处理应用中,扩散终止机制是当前研究的主要热点。该文把热物理扩散中的扩散平衡概念引入到图像处理的AD中,定义图像扩散平衡(DB)与最优扩散时间(ODTS)的概念,提出利用扩散平衡估计最佳扩散时间尺度的方法。该方法与SURE, MSE及其他时间尺度估计方法相比在噪声压制与特征的保护上达到了一个合理的平衡且不需估计噪声强度(方差),能自适应于图像,在低信噪比下也能获得很好的估计结果,试验测试结果验证了该方法的有效性。