基于双向耦合扩散的保持特征的边缘锐化和图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用.该文提出了一个保持特征的双向耦合扩散框架.这个框架沿着等照度线(边缘)的梯度方向,利用柔和的边缘判定实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了消除这两个相反的扩散力彼此之间的冲突,将算法分裂为一种耦合的格式,而且为了保持图像特征,利用图像的局部微分几何特征调整非线性扩散系数.实验结果显示,文中算法可以显著地提高被增强图像的视觉质量.     

基于改进复扩散自适应耦合非局部变换域模型的图像放大

针对二阶偏微分方程（PDE）放大算法丢失弱边缘和纹理细节的不足,提出一种改进复扩散自适应耦合非局部变换域模型的图像放大算法。利用复扩散具有边缘定位准确的特点耦合冲击滤波器,改进复扩散模型能够较好地增强强边缘;而通过对相似图像块构成图像组的三维变换系数的稀疏特性进行建模,非局部变换域模型能够很好地利用图像中相似图像块的非局部信息,对弱边缘和纹理细节有较好的处理效果;最后利用复扩散得到图像的二阶导数作为参数实现改进复扩散模型和非局部变换域模型自适应耦合。所提算法与偏微分方程放大算法、非局部变换域放大算法和偏微分方程耦合空域非局部模型放大算法进行仿真实验比较,在强边缘、弱边缘和细节纹理具有较好的放大效果,弱边缘和纹理细节图像在平均结构相似性测度上高于改进复扩散放大算法、非局部变换域放大算法。所提算法验证了空域模型和变换域模型、局部模型和非局部模型耦合结合的有效性。     

引入控制函数的非线性扩散图像去噪

关于图像获取过程中的优化问题,为了克服传统非线性扩散图像去噪模型的不足,有效去除图像噪声,提出了引入两项构造的控制函数.利用局部背景方差信息构造ε方向扩散控制函数以更好区分边缘和噪声,并对边缘区域内,边缘区域间及不同背景下的噪声采取各自适合的扩散策略;采用局部背景亮度信息构造η方向扩散控制函数以加速区域内平滑,消除"块效应",约束去噪图像更逼近原图.理论分析和实验结果均表明,算法模型既能较好保持图像的边缘结构,又能充分抑制噪声,并对视觉效果和峰值信噪比值上都具有明显优势.     

双向扩散耦合阈值的小波边缘检测算法

为了准确的提取含噪图像在边缘点处所对应的小波系数,根据偏微分方程一步迭代扩散的结果等价于平移不变Haar小波去噪的一步收缩,结合前向-后向的双向扩散的特点,提出双向扩散耦合阈值的小波边缘检测新方法.该方法对噪声图像进行小波变换,得到的高频部分进行双向扩散耦合阈值.该阈值有效地去除噪声同时增强了边缘信息,利用阈值后各高频以及低频部分的细节信息,采用多尺度小波变换模极大值检测方法得到最终的边缘图像.实验表明,新方法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都有不错的效果,具有实用性.     

一种基于局部方向尺度的各向异性扩散图像滤波方法

针对图像滤波去噪模糊边缘结构的弊端,提出了一种基于局部方向尺度的各向异性扩散图像滤波方法。该方法首先为图像中每个象素定义相应的局部方向尺度,然后利用象素的局部方向尺度在边缘附近或细小结构的小区域内进行小尺度扩散滤波,而在较大的均匀区域的内部则进行大尺度扩散滤波。实验结果表明算法比现存的各向异性扩散滤波方法在保持图像的细小结构和对象边缘方面具有更好的性能。     

基于自适应耦合PDE模型的车牌图像去噪研究

针对车牌识别预处理中的图像去噪问题,提出一种自适应耦合偏微分方程(PDE)去噪模型;该模型在各项异性扩散模型的基础上,构造一种新的去除椒盐噪声的扩散项,能够根据噪声图像特点自适应控制扩散速度,有效抑制椒盐噪声,并将新的扩散项与各向异性扩散模型进行耦合,并提出一种新的耦合系数计算方法,根据图像信息自适应计算耦合系数,使得新模型能够在新的扩散项和各项异性扩散模型间自适应转换,有效去除车牌图像中的混合噪声;为了抑制去噪引起的图像边缘模糊问题,引入振动滤波进行逆滤波,增强图像的边缘信息;实验结果表明,自适应耦合PDE模型能更有效去除车牌图像中的混合噪声,保护图像的边缘信息,提高图像的峰值信噪比(PSNR);去噪后的图像更有利于后续的字符分割与识别,有效提高车牌图像的识别准确率。     

基于相关系数和双向扩散结合的优质正电子发射断层重建算法

在正电子发射断层成像（PET）中,传统迭代算法会造成重建图像细节信息丢失或目标边界模糊。为了解决上述问题,提出一种基于相关系数和双向扩散结合的优质中值先验（MP）重建算法。首先,引入特征因子相关系数来表征图像局部灰度统计信息,构造出结合相关系数的双向扩散模型;其次,考虑到双向模型对背景和边缘区别处理的优点,将新模型应用到中值先验分布的最大后验重建算法中,形成基于双向扩散的中值先验重建算法。实验结果表明,该算法在去除噪声的同时能够较好地保持图像中的目标边界信息,信噪比（SNR）和均方误差（RMSE）的变化也能直观体现重建图像质量的提高。     

非线性扩散图像去噪中的耦合自适应保真项研究

讨论了一种基于非线性扩散方程的图像去噪方法.在讨论了图像去噪的3个基本要求的基础上,总结了平均曲率运动去噪模型和总变差去噪模型中利用保真项的不足.将利用图像的局部信息构造的自适应保真项引入到方向扩散去噪模型中,克服了原有方法在耦合保真项上的不足,使新的非线性扩散去噪模型能够在有效地去除噪声的同时很好地保持目标尖角、边缘等重要的几何结构.实验结果表明,耦合自适应保真项的扩散方程能够很好地保持图像中目标的几何结构,同时具有良好的去噪能力.     

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.     

基于PDE的图像去噪方法

针对P-M非线性扩散模型以及自蛇模型对图像滤波的不足,为了充分利用两种模型各自的优势,提出了一种新的基于自蛇模型与P-M扩散模型相混合的去噪方法,同时在其扩散方程中添加了忠诚项,这样噪声去除与边缘保留就可以得到一个较好的效果。最后实验结果表明,该方法既能有效去除图像噪声,也能很好地保持图像的边缘等细节信息。     

基于曲率驱动方向性热流的图像修复模型

提出一种曲率驱动的方向性热流图像修复模型。在该模型中,信息向待修复区域的扩散被看成是两个相互垂直的1D方向性热流的耦合,其中的扩散方向由图像的局部相关几何决定,而扩散强度是一个曲率相关的函数。实验结果表明,该模型不仅能够保证修复边缘的尖锐性还可以减少修复过程中虚假边缘的产生。     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

基于各向异性扩散的图像平滑及在三维重构预处理中的应用

采用基于各向异性扩散的偏微分方程，其初始值为输入图像，转化为差分格式迭代求解滤波结果。在去除噪声的同时，保持重要的边缘和局部细节。在此基础上提出了8向的各向异性扩散和边缘增强的处理技术，取得了满意的结果，并将此切片图像经聚类分群运用到三维重构中，使重构的效果更好。     

Shock coupled fourth-order diffusion for image enhancement

In this paper a shock coupled fourth-order diffusion filter is proposed for image enhancement. This filter converges at a faster rate while preserving and enhancing edges, ramps and textures present in the images. The proposed filter diffuses with varying magnitudes in the directions normal to the level-curve and along it. The magnitude of the directional diffusion is controlled by a diffusion function, meant to provide a good response in the direction along the level-curves, than across them. The proposed filter can still preserve the planar approximation of the image, thereby avoiding the discrepancy caused due to the staircase effect, as in the second-order counterparts. The anisotropic property of the filter is thoroughly studied, analyzed and demonstrated with perspective and quantitative results. The performance of the proposed filter is compared with the state-of-the-art methods for image enhancement. The quantitative and perspective measures provided endorse the capability of the method to enhance various kinds of images.     

用于图像去噪的改进型非线性扩散方程

修改一类图像处理用的非线性扩散方程模型的扩散系数函数,使所获得的新模型能够在考虑到图像梯度以及二阶导数的情况下,用于去除图像高梯度噪声并保持图像边缘细节。实验表明,该新模型能够在保持图像中有意义的尖峰和窄边缘的同时,消除高梯度噪声。