一种新的基于高阶非线性扩散的图像平滑方法

该文首先基于方向曲率模值提出描述图像平滑度的泛函,并推导出新的高阶偏微分方程(PDE)图像降噪模型,在有效降噪的同时,能较好地保持特征．低阶非线性扩散方法处理结果是分段恒定图像,而文中方法得到的分段线性图像,视觉效果更加理想．与其它高阶方法相比,新方法具有理论和计算上的优势．其次,针对非线性扩散中出现的过度平滑现象,该文提出利用泄漏修补算子对偏微分方程进行补充,实验表明,泄漏修补机制对图中重要的、细微的特征有较好的保持作用．最后,文中还提出一种新的非线性扩散过程——复合扩散,以扩大方法的使用范围,提高其适应性．同以往的非线性扩散相比,复合扩散不但能自适应地调整扩散方向,而且可并行处理不同类型噪声．     

一种基于非线性扩散方程的指纹预处理方法

目前用于实时比对的活休指标,由于受指纹受集设备的限制,图像中常混有噪声,必须经过预处理才能进行可靠的比对。本文根据指纹纹理密集的特点,采用改进的基于梯度算子的解非线性扩散方程的算法,克服了退化扩散方程对大曲率边缘点的模糊效应,兼顾了降噪和保边界这一平滑降噪中矛盾的两个方面。对比几种常用的平滑降噪的预处理算法,实验结果证明,本文的改进算法对于带噪指纹图像的预处理,优于其他几种对比算法。     

P-M模型扩散函数的改进

P-M模型是图像平滑中经典的模型,其特点是既能消除孤立噪声点,又能有效保持图像边缘。P-M模型中的扩散函数,其作用是控制平滑力度。本文在研究P-M模型基础上构造了一个新的扩散函数,采用新扩散函数的P-M模型对图像进行平滑,其结果与经典的P-M模型相比,在峰值信噪比相当的情况下,迭代次数大大减少,运行速度得到很大提高。     

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。     

一种非线性扩散线形纹理图像增强的方法

对于运用非线性扩散滤波器对线形纹理图像的增强,提出了一种根据图像纹线方向对传统扩散滤波器的扩散系数的修正,使修正后的“半各向异性”扩散滤波器适合于线形纹理图像的滤波。文中直接给出了滤波器的离散形式,使滤波过程易于实现,并缩短了滤波时间。     

保护角点的非线性扩散滤波

基于偏微分方程的非线性扩散滤波可以有效去除噪声,同时很好地保护边缘信息,但角点在其滤波过程中逐渐变得圆滑甚至消失。通过设计扩散系数为梯度模及曲率的函数,提出了一种保护角点的非线性扩散滤波模型。该模型在区域内部为普通的高斯滤波,而在边缘处滤波效果降低,在角点处滤波效果进一步降低,从而在滤波过程中角点信息可以得到较好的保留,还可能出现角点及边缘相对增强的效果。实验结果的视觉效果及数据分析都表明,新模型可以同时保护边缘及角点信息。     

基于边缘扩散的医学图像非线性去噪算法*

在对医学图像去噪的同时保留边缘信息,对于后期的诊断具有重要的意义。分析了ＰＭ和Ｃａｔｔｅ算法以及它们的不足,提出了一种基于边缘扩散的非线性去噪方法,通过边缘检测把图像分为边缘和非边缘两部分,非边缘区域通过各向同性算法去噪;边缘区域通过各向异性算法去噪,改进扩散形式,只沿边缘方向扩散去噪。实验表明方法非常有效,带噪声的医学图像经过改进后的算法去噪处理,图像质量得到明显的改善。     

基于改进的各向异性扩散方程的医学超声图像降噪方法

提出了一种基于各向异性扩散方程的改进方法.通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域.仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法.     

引入耦合梯度保真项的非线性扩散图像去噪方法

利用二阶的非线性扩散方程进行图像去噪易产生具有“阶越效应”的去噪结果,也即使分段光滑的图像变为分段常量的.针对低阶非线性扩散去噪方法的不足,通过在原有的扩散方程中引入从梯度保真约束项导出的Euler-Lagrange方程,提出了耦合梯度保真项的非线性扩散图像去噪方法.由于梯度保真约束项考虑了去噪前后图像梯度的相似度,利用该模型能够在保持边缘的同时得到分段光滑的结果,使视觉效果更自然.证明了新模型是一个凸函数,从而保证了最优解的存在性和惟一性.还分析了从噪声图像估计梯度时引入空间正则化对最终结果的影响,并且从理论和实验两个角度分析了合理选择正则化参数的重要性.模型在有界变差函数空间中可积,使得新方法克服了高阶非线性扩散去噪方法易造成边界泄漏以及破坏图像中纹理等高频成分的不足.实验结果表明,通过耦合梯度保真项能够很好地防止“阶越效应”的产生,同时保持图像中的边缘、纹理等结构信息.     

基于PDE's的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征,而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核,实验结果表明改进后的平滑方法既能更有效消除孤立噪声点,又可以更好地保持边缘。     

一种自适应的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法，提出了基于各向异性分布方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用了真实数据验证了方法的有效性。     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

新适定模型的提出及分类扩散

提出一种新的适定滤波模型和一个可以滤除混合噪声的滤波方法。分析并讨论Perona和Malik (PM)模型中的传导系数函数,该函数对边缘的敏感性较强,是PM模型为不适定方程的主要原因。修改传导系数函数的敏感性后,得到适定的各向异性图像扩散模型,具备不适定模型所不具有的双扩散项和扩散因子的形式。根据滤波方程特点将模型分为平滑模块和抑噪模块,分离了平滑和抑噪两个物理过程,从而提升了图像的光滑性和降低了图像的噪声。在实际图像上的实验结果表明,新的滤波算法对混合噪声的滤波效果优于一些经典的图像扩散算法。     

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。     

Sobolev 广义度量下的各向异性扩散模型

给出了Sobolev空间的一种广义度量, 在该度量下提出了一个新的各向异性增强、扩散方程. 广义度量中的变系数, 较好地控制了方程的扩散行为, 使得新模型不仅能有效增强图像的细节特征, 而且能在噪声去除和边缘保护之间取得较好的平衡, 同时给出了相应的隐式离散算法. 仿真实验结果表明, 新模型和算法是行之有效的.