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.     

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。     

基于偏微分方程的图像去噪综合模型

介绍了基于偏微分方程（PDE）的两种去噪模型,即ROF模型和LLT模型。根据对这两种模型的比较,提出了应用权函数来合并ROF模型和LLT模型的综合模型。实验表明,综合模型既能克服ROF模型和LLT模型的缺点,又能融合它们的优点,在去噪、保护平滑区域、保护边缘和纹理细节方面都有较好的表现。     

基于耦合偏微分方程的煤矿图像去噪算法

针对煤矿复杂环境下矿井图像具有噪声大、照度低的问题,提出了一种基于二阶与四阶偏微分方程耦合的煤矿图像去噪算法。该算法利用差分曲率边缘检测算子将二阶与四阶偏微分方程模型有效耦合,保持图像边缘,利用尺度因子保护图像纹理细节。实验结果表明,该算法能很好地保持图像边缘、保护图像纹理细节,且收敛速度快,可避免阶梯效应。     

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.     

You-Kaveh图像去噪模型扩散系数的改进

本文在You-Kaveh模型的基础上,提出了一个新的扩散系数,得到了一个去噪效果更好的方程,新方程不但能够去除高斯噪声,而且能够很好地去除椒盐噪声。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,能够更准确地判断图像的特征。采用本文方法处理后的图像,避免了用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,本文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。     

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。     

基于分数阶变分的图像泊松去噪模型

为了进一步提高图像去噪的效果,针对图像泊松噪声的特点,提出了一种有效的基于分数阶导数的图像泊松去噪的变分模型。该模型继承了全变分模型去噪效果良好的优点,并且很好地利用分数阶微分特有的幅频特性优势,在处理图像细节和纹理特征方面很好的保留了图像的“弱信息”。数值实验结果表明,该分数阶变分方法的去噪效果优于传统的整数阶变分方法,能很好地保留图像的边缘细节特征。     

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。     

Primal-dual method for the coupled variational model

Total variation method has been widely used in image processing, however, it produces undesirable staircase effect. Recently, the two-step method has been used to alleviate the staircase effect successfully. Combined with a new vector field and an edge indicator function, a novel variational model is proposed in this paper. Unlike the two-step method, the proposed model contains only one energy functional, that is to say, the new vector field and the reconstructed image are interwoven. Due to using the information of the restored image fully, the new vector field is more accurate than the normal vector field, and the reconstructed image is also better than that in the two-step method. To solve the new model, we design a primal-dual method to simulate the minimization problem. The numerical experiments show that the new model can obtain significant improvement not only in noise removal but also in avoiding staircase effect.     

A projected gradient algorithm based on the augmented Lagrangian strategy for image restoration and texture extraction

Based on the augmented Lagrangian strategy, we construct a projected gradient algorithm for image restoration and texture extraction. The proposed algorithm is established on the basis of a mixed model which combines the Rudin–Osher–Fatemi (ROF) model with the Lysaker–Lundevold–Tai (LLT) model to reduce the staircase effect and blur phenomenons. The proof of the convergence of the proposed algorithm is provided. Moreover, we show that the dual methods based on convex analysis which have been proposed in some papers can be actually deduced from the augmented Lagrangian strategy. Some numerical examples are supplied to illustrate the efficiency of the proposed algorithm.     

复数Curvelet 变换域复数高斯尺度混合图像降噪

提出了一种基于复数Curvelet 变换域复数高斯尺度混合（CGSM）模型的图像去噪方法．指出Curvelet 变换重构图像存在“划痕”和“嵌入污点”的主要原因是Curvelet 变换域存在频谱混叠,为此,采用复数小波变换和 改进的Radon 变换分别代替原Curvelet 变换中的实小波变换和Radon 变换．构造了具有抗混叠性能的复数Curvelet 变换．本文同时把高斯尺度混合（GSM）模型扩展到复小波域,形成对复小波系数的幅值和相位信息具有有效捕捉 能力的复数GSM 模型,并在复数Curvelet 变换域,采用贝叶斯最小平方（BLS）估计器对CGSM 模型下含噪复系数 进行有效估计,从而实现降噪．实验结果表明,无论是用PSNR 指标评估,还是在视觉效果上,本文方法的去噪性能 均好于传统Curvelet 去噪、Curvelet 域HMT 去噪和小波域BLS-GSM 去噪．本文方法在有效去噪的同时,具有很好 的图像边缘和细节保护能力．     

Comments on “Staircase effect alleviation by coupling gradient fidelity term”

The paper “staircase effect alleviation by coupling gradient fidelity term” (Zhu Lixin and Xia Deshen, 2008 [1]) presented a nonlinear diffusion approach using a coupling gradient fidelity term. Although such approach helps to alleviate the staircase effect to some extent, the model is not sound. Moreover the physical mechanism of this model was explained incorrectly, and there are some theoretical mistakes in their proofs and propositions. We propose a new theoretical analysis of the alleviation staircase effect using a coupling gradient fidelity term.     

改进的二阶总广义变分图像前后景分割模型

针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平滑区域增强扩散,有效地消除噪声。为突出前景信息,用矩形框标出图像的前景信息,对框内部、外部和边缘的像素做距离映射,并根据能量最小化原则,在二阶TGV模型的数据项中引入此距离映射函数,使模型总能量更小。最后,提出了一种有效的原始对偶分割算法来求解模型。实验表明,新模型不但能够去除阶梯效应现象,保持图像的边缘信息,还使得模型总能量更小,分割得到的图像视觉效果更好。     

高阶图像扩散模型的中值公式

经典的TV（Total Variation）模型在对图像扩散的同时能有效保持图像边缘,但该类模型所得到的结果具有明显的阶梯效应,其改进的方案之一是在能量泛函中增加高阶项。但其对应的偏微分方程计算效率非常低。基于中值公式开展了如下研究：给出了TV-L²,TV-L¹变分图像扩散模型中值公式的四邻域、八邻域计算过程实现;提出了基于散度的高阶图像扩散的中值公式。实验证明高阶TV模型能很好地消除阶梯效应,将中值公式应用于图像扩散模型,提高了计算效率。     

隐式曲面上图像扩散的高阶模型

用零水平集函数表达3维曲面,应用曲面上图像梯度的切投影表达其内蕴梯度,把基于梯度的图像扩散变分模型从平面图像拓展到了隐式曲面上的图像处理。基于内蕴梯度的变分模型对曲面上的图像进行扩散的同时可有效地保持其边缘,但像平面图像扩散的变分模型一样会在本该光滑的区域产生明显的阶梯效应。为消除阶梯效应,引入内蕴散度建立了基于内蕴梯度和内蕴散度的隐式曲面上图像扩散的变分模型,并以TV (total variation) 模型、PM(peronamalik)模型为例对所提出的模型的有效性进行了数值验证,实验结果表明该类模型在保持图像边缘的同时可以有效地抑制阶梯效应。     

彩色图像乘性噪声去除的高阶变分模型

传统的变分去噪模型中,MTV模型去噪后的图像可以较好的保持图像的边缘,但会有阶梯效应。高阶TC模型可以防止阶梯效应,但是边缘保持不好。采用耦合的MTV模型和高阶TC模型相结合的方法,构造出新的混合模型,并推广到彩色图像乘性噪声去除的高阶变分模型。为提高新模型的计算效率,引入辅助变量和拉格朗日乘子设计了相应的增广拉格朗日算法。实验结果表明,新模型在处理彩色图像时能有效地避免阶梯效应,同时保持图像的边缘和细节。与实验中的传统模型相比,新模型的峰值信噪比和结构相似性指数均有提升。     

基于曲波变换和Retinex人脸光照处理算法

针对光照对人脸识别影响问题,提出了一种基于曲波变换和Retinex人脸光照处理的算法。该算法对光照变化人脸对数变化后的图片进行曲波变换(Curvelet);利用Kimmel变分模型作为平滑滤波算子对低频图像进行平滑滤波,对高频系数进行阈值去噪。通过曲波逆变换得到光照亮度成分图像;利用Retinex模型提取光照不变成分。通过Yale B与CMU PIE人脸库的实验结果表明:该算法能有效地消除光照变化对人脸识别的影响并提高人脸识别率。