融合多尺度边缘检测的小波贝叶斯SAR图像滤波

针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。     

一种组合总变差和4阶偏微分方程的图像去噪模型

总变差滤波能保持边缘,4阶PDE滤波能在图像的光滑区域消除阶梯现象,为此提出了一个用于图像去噪的基于偏微分方程(PDE)的组合模型,把总变差(toval varition,TV)滤波和一个四阶PDE滤波通过某一权函数τ进行了加权组合。该组合模型很好地保留了二者的优点。数值试验结果表明,新模型在信噪比等方面比单纯的用一种滤波有较大的改进。     

基于多结构元素的数学形态学图像边缘检测

基于改进的单结构元素抗噪型形态边缘检测算子和形态滤波思想,提出了一种多结构元素的多路加权合成形态边缘检测算法。在该算法中,采用峰值信噪比代替固定均值来确定加权参数,是一种自适应方法。与传统的边缘检测算法的对比实验表明,该算法图像边缘检测效果较好,降噪能力也得到了提高。     

量子衍生PDE医学超声图像去斑

目的 医学超声图像常常受到斑点噪声的污染而导致质量降低,影响后续诊疗.为了解决医学超声图像在滤波去斑的同时保持图像边缘细节和结构特征的问题,借鉴量子力学的基础理论,提出一种量子衍生偏微分方程(PDE)医学超声图像去斑方法.方法 针对传统P-M方程各向异性扩散的自适应去斑能力有限的问题,引入量子理论改进扩散系数增强去斑算法的自适应能力.同时构造出各向异性扩散模型,提出一种量子衍生的偏微分方程医学超声图像去斑方法.结果 通过对模拟斑点噪声污染的图像和真实医学超声图像实验,比较信噪比(SNR)、边缘保持度、结构相似度(SSIM)等客观评价指标,本文方法较其他图像去斑方法更能有效去除斑点噪声,同时又能较好地保持图像边缘细节与结构特征.结论 本文方法能够有效地解决医学超声图像去斑中保持图像细节特征的问题,同时,量子理论的引入也为后续医学超声图像的研究提供了新思路.     

基于边缘特征引导的深度图像超分率重建

针对TOF(Time of Flight)相机深度图像在超分辨重建过程中易出现边缘模糊、纹理映射问题,在联合双边上采样滤波器的基础上提出一种基于深度图像自身边缘特征引导的超分辨重建方法。通过低分辨深度图像的边缘特征引导,将深度图像分为不同的区域,根据滤波区域性质的不同,对联合双边上采样滤波器模型中的颜色相似项进行不同加权。同时为了进一步保持图像边缘,在深度图像边缘部分加入一个结构保持项。最后利用联合双边上采样滤波器模型重建出高分辨深度图像。实验结果表明,该方法不仅提高了TOF深度图像的分辨率,而且很好地保护了深度图像的边缘结构,取得了较好的效果。     

基于四阶偏微分方程平滑的图像分割新方法

在方向曲率模值描述图像平滑度的泛函基础上，推导出一种四阶偏微分方程(PDE)图像降噪模型，在有效降噪的同时，较好地保持了边缘。该方法处理结果为分段线性图像，且在目标边缘处梯度存在阶跃。利用降噪结果的这一特点，提出一种新测地线主动轮廓模型。实验表明，新模型不但稳定，轮廓提取能力强，而且收敛速度快。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

各向异性滤波算法在地震曲率属性中的应用

在曲率属性计算之前需要对图像进行去噪预处理,传统的图像滤波方法在去除噪声的同时会破坏边缘、线条、纹理等图像特征,而基于偏微分方程的P-M模型在平滑过程中会出现块效应.针对这些问题,提出了一种基于张量扩散的各向异性滤波的预处理方法.通过定义散布矩阵来获得丰富的图像局部结构信息,然后利用这些结构来控制扩散过程,以便实现图像的更好滤波.理论分析和实验结果表明,相较于一些常规的图像滤波算法,各向异性滤波得到的曲率属性效果更清晰、质量更高.     

一种基于高阶统计量的图像混和加权滤波方法

平滑噪声和保持边缘细节是对图像滤波两个方面的要求,如何兼顾和平衡二者是图像滤波要解决的核心问题。根据高斯噪声的特点,该文引入高阶统计量并结合空域滤波的模板法描述图像的纹理信息,提出了一种基于高阶统计量分析的图像混和加权滤波方法。文章利用高阶累积量所描述的图像细节复杂程度对模板进行分类,并分别采用相应的滤波方法,最后通过混和加权而得到其估值,从而既较好地保持了图像边缘细节,又有效地滤除了图像噪声。实验结果表明,相对于几种常见的保细节滤波方法,文章介绍的方法能够得到更好的效果。     

结合邻域方差和各向异性窗的引导滤波算法EI北大核心CSCD

针对引导滤波会导致边缘附近出现光晕且难以识别精细边缘的问题,提出了一种结合邻域方差与各向异性窗的引导滤波算法.首先,利用各向异性高斯滤波器的方向选择性实现对边缘的精细识别,并利用滤波器的狭长空域结构可实现局部窗口内不同像素信息融合,以抑制边缘模糊和光晕效果;其次,基于局部结构相似性原理,引入邻域方差以实现对局部线性变换参数的优化,同时保证强边缘结构和非边缘区域的最大扩散.实验结果表明,在102类花卉图像数据集上,文中算法的视觉效果、定量评价(PSNR和SSIM)均优于其他边缘保持滤波算法,并且测试图像的失真度比引导滤波、加权引导滤波和各向异性引导滤波分别小46.72%,48.64%和29.61%,能够在识别精细边缘的同时有效地抑制伪影现象的发生.     

Fast Anisotropic Smoothing of Multi-Valued Images using Curvature-Preserving PDE's

We are interested in PDE's (Partial Differential Equations) in order to smooth multi-valued images in an anisotropic manner. Starting from a review of existing anisotropic regularization schemes based on diffusion PDE's, we point out the pros and cons of the different equations proposed in the literature. Then, we introduce a new tensor-driven PDE, regularizing images while taking the curvatures of specific integral curves into account. We show that this constraint is particularly well suited for the preservation of thin structures in an image restoration process. A direct link is made between our proposed equation and a continuous formulation of the LIC's (Line Integral Convolutions by Cabral and Leedom (1993). It leads to the design of a very fast and stable algorithm that implements our regularization method, by successive integrations of pixel values along curved integral lines. Besides, the scheme numerically performs with a sub-pixel accuracy and preserves then thin image structures better than classical finite-differences discretizations. Finally, we illustrate the efficiency of our generic curvature-preserving approach – in terms of speed and visual quality – with different comparisons and various applications requiring image smoothing : color images denoising, inpainting and image resizing by nonlinear interpolation.     

Towards a partial differential equation remote sensing image method based on adaptive degradation diffusion parameter

For the anisotropy diffusion feature, Partial Differential Equation (PDE) methods keep edge detail characters well in case of denoising, thus being widely applied in remote sense image denoising, smoothing, filtering and reconstruction. A PDE remote sensing image denoising method based on Adaptive Degradation Diffusion Parameter (ADDP) was proposed in the paper to deal with fuzzy detail problem caused by increasing iteration number. The PDE denoising method with ADDP enlarged diffusion size in the plat region of remote sensing image without affecting the remote sensing image edge, thus avoiding loss of remote sensing image detail and intersections caused by Gaussian convolution smoothing in the PDE filtering model based on curvature-based movement (CM) and image denoising model based on total variation (TV). In the region where gradation value changes little, the method executed isotropic diffusion to remove isolated noise. The upwind scheme was applied for model numerical realization. Experimental in remote sensing image denoising results proved its feasibility and effectiveness.     

基于偏微分方程与维纳滤波的混合去噪方法

提出一种小波变换与偏微分方程(PDE)结合的混合图像去噪方法,通过窗口改进的维纳滤波处理,运用偏微分综合模型进行二次滤波,其中的偏微分综合模型由2个权重函数将PM方程、方向扩散方程和LLT高阶PDE相结合构建形成。实验结果表明,该混合图像去噪方法能够克服以上3种PDE模型和维纳滤波的不足,增强图像去噪和边缘保护能力,去噪后可得到较好的图像视觉效果,提高算法的效率。     

一种适用于移动节点的事件驱动分簇算法

提出一种适用于移动无线传感器网络节点的事件驱动分簇算法,使用簇头间能量筛选法选举簇头,并加入事件驱动机制,能够使节点在有突发事件发生的情况下,对网络中的簇进行基于事件区域的重组,以减少数据冗余。建立相应的仿真实验模型,对运动节点的分簇情况进行动态跟踪及分析。实验结果表明,该算法能够满足事件驱动分簇的要求,能量消耗比经典算法更均衡。     

基于曲率保持PDE的非线性结构张量

提出了一种基于曲率保持扩散方程的非线性结构张量计算方法。在讨论了非线性结构张量算法必须满足3个条件的基础上,指出了基于散度的非线性结构张量与基于迹的非线性结构张量在提取图像二维结构信息时的不足;将曲率保持正则化方法用于平滑结构张量,使得新的非线性结构张量具有更好的结构估计能力。实验结果表明：该文方法对噪声图像仍能取得较好地局部结构估计结果。     

各向异性扩散的彩色图像复合滤波方法

将扩散偏微分方程PDE’s推广到彩色图像滤波。分析了基于散度算子和基于迹算子PDE的优缺点,提出了一个新的扩散PDE方法。该方法在各向异性扩散基础上增加了一个震动滤波算子,并对特征根和扩散张量进行了重构,不仅对图像有很好的滤波效果,而且对边缘有增强保护的作用。实验结果表明,提出的方法达到了既有效去除噪声又保留更多细节的目的。     

基于PCNN的高斯噪声滤波

论文针对高方差的高斯噪声的特点,提出了一种先定位和去除大噪声像素,后平滑小噪声像素的滤波方法。文中采用类均值滤波方法去除大噪声像素,利用改进的PCNN平滑小噪声像素。与已有的滤波方法相比,该算法在较好地滤除噪声的同时,具有自适应和图像边缘保护能力。实验结果证实了该方法的可行性和有效性。     

紧密系数耦合非线性结构张量的图像修复算法

为了解决当前基于PDE技术的图像修复算法采取了各向同性扩散,且没有考虑到损坏区域周边参考点的影响,使其修复图像存在不连续边缘与纹理模糊,降低了其视觉质量等不足,本文设计了紧密度系数耦合非线性各向异性扩散结构张量的图像修复算法。基于完好像素点与受损点之间的距离,构造紧密度系数计算模型;基于 技术,将结构张量嵌入其中,构造新的扩散速度模型,使其只沿着等照度曲线方向扩散,将从损坏图像中提取的掩码信息传播至受损区域,完成图像修复。仿真结果显示：与基于PDE技术的图像修复机制相比,本文算法具有更佳的修复质量,较好地保持了图像细节信息,无模糊效应;且修复图像的PSNR值最高。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于离散小波阈值的偏微分图像去噪

小波方法和偏微分方程方法是图像去噪中的主要方法。该文提出基于离散小波变换对图像进行阈值去噪,得出了小波阈值的偏微分方程表示形式,在此基础上研究偏微分方程的解法,采用分数步的小波阈值方法对图像去噪,得到了较好的去噪效果,同时可以保护边缘。数值试验结果表明,该方法具有比小波方法更好的去噪效果,能获得较高的信噪比。