PDE模型在声纳图像去噪中的应用研究

偏微分方程方法在光学图像去噪中已有很多成功的应用,但用于声纳图像去噪的情况还不多见。针对声纳图像受噪声污染严重的问题,将偏微分方程原理引入到声纳图像去噪中,重点讨论了两种偏微分方程模型:ROF模型和四阶扩散模型。基于这两种模型对声纳图像进行去噪处理,仿真实验证明了偏微分方程去噪算法的有效性,并对比分析了两种模型的去噪性能。ROF模型适用于低信噪比条件下的声纳图像处理,而四阶扩散模型在高信噪比条件下,能够很好地保持图像边缘,但当噪声污染严重时,其去噪后的SNR比ROF模型去噪低了近10 dB,不利于声纳图像处理。     

基于偏微分方程的肉品图像去噪对比研究

肉品中含有水分,或者切割过程中产生的脂肪碎屑或结缔组织,其可见光图像容易产生噪声。基于偏微分方程模型的算法去噪同时能够保持图像的某些特征,常见的有Perona-Malik模型、全变差ROF模型、Y-K四阶模型。通过对Lena图像加入高斯噪声和椒盐噪声,对比了三种模型的信噪比、方法噪声及运算时间。在此基础上,以猪肉图像为去噪对象,比较三种算法的性能。结果表明:ROF模型在去除噪声的同时,保持细节的能力强于其他两种模型,YK四阶偏微分方程模型能够去除噪声,但是图像模糊。去噪效果最差的是P-M模型。     

结合Curvelet和LLT模型的图像去噪模型

Curvelet去噪彻底,易产生“阶梯”效应,四阶偏微分方程LLT模型去噪能很好地保护图像细节特征,不会产生阶梯效应。提出了一个模型将Curvelet去噪和四阶偏微分方程中LLT模型去噪的优点通过权函数λ结合起来,实验表明,新的模型能很好地发挥二者的优点,不但很好地保护图像细节特征,消除阶梯效应,去噪彻底且能很好地保持边缘,去噪率和视觉效果优于Curvelet和LLT方法。     

改进的小波域耦合偏微分方程图像去噪模型

针对全变分及四阶偏微分方程图像去噪模型的不足,利用小波变换能够聚焦到图像细微变化的优势,提出一种基于小波域的偏微分方程图像去噪算法。并通过对小波的阈值和阈值函数做适当的改进以及利用加权函数将全变分和四阶偏微分方程去噪模型相结合的方法,得到一种改进的小波域耦合偏微分方程图像去噪模型。MATLAB仿真结果表明,该模型和小波软阈值去噪、全变分模型以及四阶偏微分方程图像去噪模型相比,峰值信噪比有明显的提高,而且能够在很好地保留图像的边缘和细节信息的同时提高处理噪声的效率。     

一种改进You-Kaveh模型扩散系数的图像去噪方法

将前向后向扩散系数引入到You和Kaveh提出的四阶偏微分方程去噪模型中,前向扩散用于对噪声进行平滑,后向扩散则对图像特征进行强化.同时,改进了模型中拉普拉斯算子的离散形式,使其包含更多的图像信息,能够更准确的判断图像的特征.新方法处理后的图像,避免了二阶偏微分方程处理图像常出现的"阶梯"效应,同时,和同类的四阶偏微分方程去噪模型相比,该方法的处理结果不会出现"斑"点,因此视觉效果更加理想.最后,通过实验证明了该方法的有效性.     

基于改进四阶偏微分方程的激光光斑图像去噪模型

随着激光技术的发展,激光光斑检测在实际应用中越来越广泛,但激光的远距离传输易受环境噪声的影响从而导致光斑检测误差变大。因此,以激光光斑为研究对象,针对激光光斑图像去噪这一重要问题,进行了改进算法研究。首先针对传统四阶偏微分方程去噪模型存在边缘模糊和自适应差的问题,从扩散函数的角度出发并根据不同光照下光斑的检测参数引进自适应梯度阈值,提出一种改进四阶偏微分方程去噪模型;其次将所提模型应用于雪天、雾天和雨天不同光照条件下激光光斑去噪中去;最后分别与基于自适应梯度阈值的各向异性去噪模型（IPM）、统一变分模型（DC）和ML四阶PDE去噪模型进行对比分析,结果表明所提算法不仅使去噪后的光斑图像内部保持平滑、边界保持清晰,且对不同光照条件具有较高的自适应性。     

基于45N度旋转梯度等模算子偏微分方程去噪模型

传统的二阶中值曲率扩散模型(MCM)在去噪时虽然能有效地保持图像的边缘,但是在平滑区域却产生阶梯效应,以及过度扩散的现象.四阶偏微分方程模型(LLT)在去噪的同时虽能有效地抑制二阶偏微分方程产生的阶梯效应,能很好地保持图像的纹理信息,但却过多地损失了边缘信息.为了避免以上去噪过程中存在的问题,利用归一化的45N度旋转梯度等模算子作为权重,提出了传统的二阶中值曲率扩散模型(MCM)和四阶偏微分方程去噪模型(LLT)自适应的混合模型,使得它们在有效去除图像中噪声的同时,也能很好地保持图像的边缘和纹理细节信息.实验结果证实了所提出的模型的有效性.     

改进各向异性扩散模型在图像滤波去噪中的应用

为了增强锅炉水位计图像滤波去噪效果,提高图像清晰度,便于后期液位计图像识别研究,通过分析P-M各向异性扩散模型、选择扩散模型及You Yu-Li和Kaveh M四阶偏微分方程的滤波去噪算法,提出了改进各向异性扩散模型滤波算法.所提算法对Perona和Malik两个扩散函数均值化,并引入标准差作为梯度期望值的偏差裕度,结合了P-M各向异性扩散模型保边缘特性的优点,并消除了由于传统各向异性滤波算法迭代过度所造成的阶梯缺陷问题,确保图像有用信息不缺失和像素点平滑度.实验结果表明:所提算法能够更好地降低噪声对目标信号提取产生的影响,提高了图像识别鲁棒性,增强了图像平滑滤波效果,保证了锅炉水位计图像边缘清晰度和完整性.     

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。     

具有纹理保持能力的四阶偏微分方程去噪方法

虽然四阶偏微分方程图像去噪方法能得到较好的分段光滑的结果,但这类方法常破坏图像的纹理信息。提出了一种具有保持图像纹理信息能力的四阶偏微分方程去噪模型。利用垂直于梯度方向的图像二阶导数设计了一种新的代价函数。证明了该函数解的存在性与唯一性并给出了其对应的Euler-Lagrange方程。在实验方面,用大量真实的纹理图像验证了新方法。实验结果表明,新方法在去噪的同时图像的边缘与细节得到了较好的保持。     

基于拉普拉斯算子和图像修补的图像去噪算法

通过分析偏微分方程(PDE),设计了基于拉普拉斯算子和图像修补的图像去噪算法用于处理被噪声污染的图像：ROF调和拉普拉斯(RHL)算法和ROF调和修补(RHI)算法。通过分析图像的局部特征,结合ROF模型在处理图像时具有边缘保护能力,调和模型在处理图像平滑区域时能够避免产生“阶梯效应”和拉普拉斯算子具有增强细节信息的特点,设计了RHL算法;在RHL算法的基础上,结合基于PDE的图像修补模型设计了RHI算法。实验结果表明,设计的RHL算法和RHI算法既克服了ROF模型、调和模型在去除图像噪声时的缺点,又结合了两者的优点,与其他基于PDE的算法相比,在去除图像噪声、处理图像平滑区域、保持图像边缘细节信息方面都有较好的性能。     

基于偏微分方程的图像平滑处理技术

为了对恶意下载行为实施有效控制,研究通用访问控制框架和使用控制模型(UCON),提出基于流量的UCON。设计并实现基于UCON的防恶意下载系统,阐述其关键技术和实现方法。实验结果表明,该模型能有效控制用户下载行为,具有高安全性和较强的操作灵活性。     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

基于Phong模型的明暗恢复形状的新算法

针对传统的混合表面形状恢复算法存在较大误差的问题,提出一种透视投影下从单幅图像混合表面明暗信息恢复形状的新算法。采用Phong反射模型来描述物体表面反射特性,假设光源处于相机的光心处,建立透视投影下的图像辐照度方程。然后由辐照度方程构造包含物体深度信息的Hamilton Jacobi偏微分方程,引入局部高阶LLF通量分裂格式和五阶WENO格式逼近微分方程的粘性解,最终得到物体表面三维形状。实验结果表明,与传统算法相比,新算法的恢复高度的最大误差和平均误差均显著降低。     

基于分数阶偏微分方程的图像去噪新模型

将分数阶微分理论和全变分方法相结合应用于图像去噪,提出了一种基于分数阶偏微分方程的图像去噪新模型。该模型很好地继承了现有的全变分(TV)模型去噪效果与保持图像边缘细节特征的优点,同时利用分数阶微分运算特有的幅频特性优势,较好地保留了图像平滑区域中灰度变化不大的纹理细节。实验结果表明：一方面,与现有去噪方法相比,新模型不仅具有较强的抑制噪声能力,而且能较好地保持图像边缘特征,还能保留更多的图像纹理细节信息,优于常用的整数阶偏微分图像去噪方法;另一方面,从峰值信噪比的对比实验可以看出该模型去噪效果优于其他方法,较好地达到了去噪目的,是一种有效、实用的图像去噪模型。     

基于变分PDE的非线性数字混合滤波器

从局部扩散角度分析了经典变分PDE复原模型的不足,给出一种基于全变差模型和调和模型的混合图像复原模型,并导出了相应的数字混合滤波器.该滤波器可以根据图像的局部梯度特征自适应选取滤波器系数,能在去噪的同时保留边缘,并削弱平滑区域的阶梯效应,具有较好的综合性能.针对该混合滤波器,还设计出相应的图像修补和放大算法.大量仿真实验表明,该滤波器可以很好地应用于图像的去噪、修补和放大.     

带H1正则项的C-V模型

C-V模型(CHAN T F, VESE L A. Active contours without edges. IEEE Transactions on Image Processing, 2001, 10(2): 266-277)是一个著名的基于区域的图像分割模型。它对活动轮廓的初始化和噪声不敏感,但分割的图像的范围不够广泛。因此,运用理论分析与实验相结合的方法,在C-V模型中添加H1正则项,对其进行了改进,提出了一个新颖的图像分割的能量泛函,并推导出了以偏微分方程形式表示的基于区域的自适应插值拟合的活动轮廓模型。实验表明：该模型能够分割某些原来C-V模型不适用的图像,它对初始轮廓的大小、位置的敏感性较小,抗噪性较强。     

基于隐含狄利克雷分配模型的图像分类算法

概率隐含语义分析模型不适用于大规模图像数据集,为此,提出一种基于隐含狄利克雷分配模型(LDA)的图像分类算法。以BOF特征作为图像内容的初始描述,利用Gibbs抽样算法近似估算LDA模型参数,得到图像的隐含主题分布特征,并采用k近邻算法对图像进行分类。实验结果表明,与基于概率隐含语义分析模型的分类算法相比,该算法的分类性能较优。     

基于CDD模型的快速图像修复算法

为对图像的缺损部分进行快速自动修复,提出了一种基于曲率驱动修复模型的快速图像修复算法.曲率驱动修复模型由于引入了曲率项,使其偏微分方程为高阶,修复时需要数值求解偏微分方程,大量迭代运算导致修复速度非常缓慢.为加快修复速度.算法将模型的偏微分方程数值化,进一步改造成加权平均形式,利用邻近已知像素直接合成损坏像素,加权系数由曲率和梯度共同确定,使修复按照图像等照度线方向进行,在曲率大的地方将等照度线拉伸,同时由待修复点邻域内已知像素的梯度方差确定修复次序.实验结果表明,显著减小了运算时间,一定程度满足"连接性准则",并且对于较小破损区域修复效果好于曲率驱动修复模型.     

基于PDE的图像去噪和反差增强同步算法

针对反差较低且包含噪声污染的灰度图像,设计分段线性拉伸函数,引入TV下降流,建立新的偏微分方程(PDE)数学模型。该模型通过设置参数 灵活控制去噪和反差增强的程度,实现2种灰度图像处理手段的同步进行。对比实验表明,该方法可有效缓解传统处理方法存在的问题,在抑制噪声的同时增强图像的反差。