一种新的PM模型最优扩散参数估计方法

基于偏微分方程的图像非线性扩散滤波,关键是确定合适的扩散机制与参量。在分析非线性扩散性质的基础上,结合图像的结构特征和视觉特性,提出了一种最优梯度阈值和最佳扩散时间尺度的估计方法。实验结果表明该方法与最小均方误差准则、信噪比准则和相关系数最小准则相比,具有更好的稳定性和视觉特性。     

一种新的边缘保留各向异性扩散方法

由于超声图像中的斑点严重影响了图像质量,也增加了临床诊断与治疗的困难,因此对于噪声图像,往往要先用高斯卷积对图像进行一定的平滑,再通过求微分来检测边缘。为了更好地滤除超声图像中的斑点,通过构造基于高斯卷积的结构张量,并将其引入到各向异性扩散方法中,实验结果表明,这种新的各向异性扩散方法不仅能有效地抑制斑点噪声,而且能检测并保留图像边缘与细节特征。     

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程(PDE)和基于纹理合成的修复方法.在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复.在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息.通过数值实验也表明该方法的有效性.     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程（PDE）和基于纹理合成的修复方法。在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复。在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息。通过数值实验也表明该方法的有效性。     

一种改进的各向异性扩散图像去噪方法

研究了基于图像特征方向的正交坐标系,分析了在此框架下的各向异性扩散图像去噪原理。然后根据人类视觉系统的一些特性提出了一种改进的各向异性扩散方法。该方法避免了各向异性扩散方程的不适定问题。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。     

一种改进的各向异性扩散图像平滑方法

在人类视觉系统特性基础上提出了一个改进的各向异性平滑方法。加入图像四阶偏微分信息避免“阶梯效应”,扩展演化方向,改进数值模型。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。     

一种复合各向异性扩散的图像去噪算法

本文提出一种复合各向异性扩散滤波算法,将降斑各向异性扩散(Speckle reducing anisotropic diffusion,SRAD)模型中对边缘敏感的瞬态系数(Instantaneuos coefficient of variation,ICOV)算子运用到了非线性相干扩散(Nonlinear coherent diffusion,NCD)相干模型中,并基于统计学提出ICOV算子的相关系数矩阵对图像的相关度进行度量,系数矩阵的值是每个ICOV算子与其所在行与列的相关度,此相关度的值在边缘附近会取到极大值,这个对图像的边缘检测有很好的度量,根据每个像素与其周围像素的相关度对边缘附近的扩散的强度进行修改,对图像进行更为之有效、更准确的非线性去噪与边缘加强.实验结果表明,与其他各向异性算法相比,本算法可获得更好的性能指标,具有更好的去噪效果和保留边缘功能.     

一种基于各向异性扩散方程的自适应去噪方法

提出了一种基于各向异性扩散方程的图像自适应去噪方法。分析了各向异性扩散方程在图像除噪中的实现原理,将一种改进的图像结构相似度算法与各向异性扩散方程相结合,实现了对图像的自适应滤波。实验结果表明,改进的结构相似度算法在自适应滤波的应用中有一定的优越性和较好的鲁棒性。     

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。     

基于时间变化的鲁棒各向异性扩散模型

建立性能稳定的扩散模型一直以来都是各向异性扩散技术研究的关键问题. 尽管许多改进的扩散模型陆续提出, 这些方法仍旧难以有效解决两个核心问题: 梯度阈值和迭代停止时间的确定. 针对以上问题, 本文提出了基于时间变化的鲁棒各向异性扩散模型. 在该模型中, 作者设定高斯尺度因子和梯度阈值随时间单调递减, 这有利于在多个尺度下准确提取边缘和边界特征信息. 此外, 利用逐次迭代信噪比能够有效地确定迭代停止时间, 减少不必要的过量平滑. 为了验证本文模型的有效性, 采用Pinecone灰度图像进行了图像增强平滑处理. 实验结果表明, 本文模型在性能上优于传统扩散模型, 能够有效地消除噪声和保持边缘.     

各向异性扩散的研究

各向异性扩散是有选择性的平滑过程,这种平滑过程在均匀的区域不受限制,而在跨越边界部分被抑制,因此在平滑噪声的同时保持图像的边缘特征。同样,双边滤波既可以达到滤波的效果又可以保持图像的高频细节,它是一种非线性、非迭代的、局部的和简单的滤波,它是数字图像非线性滤波的代表。论文利用稳健统计方法,分析了各向异性扩散与双边滤波之间的关系,扩大了数字图像非线性滤波与非线性扩散之间的关联。     

各向异性扩散与M-估计的比较研究

通过比较研究Perona和Malik提出的各向异性扩散方程与稳健统计学中的M-估计,从理论上揭示了各向异性扩散的数学本质,可视为M-估计在图像处理领域的一种典型应用。其中稳健函数的构造是M-估计的核心。基于Huber给出的稳健性定性描述,同时借鉴各向异性扩散中边缘停止函数的单调下降性,分析并总结了M-估计中稳健函数具备的基本性质。在此基础上,简洁地建立了一种稳健函数的构造框架,并导出了一个新型稳健函数。去噪实验结果验证了新型稳健函数的有效性。     

基于边缘估计的自适应各向异性扩散的医学超声图像降噪算法

提出了一种针对医学超声图像的自适应各向异性扩散算法;该算法充分利用图像本身的边缘信息以及图像水平和垂直方向梯度的差异,用GHAD方法在两个方向设置不同的梯度门限,避免了传统的常数及单一梯度门限带来的鲁棒性差等问题;改进的扩散系数改善了传统扩散系数收敛过快及边界平滑的问题;经过多组仿真实验,综合峰值信噪比(PSNR)和边缘保持度(FOM)等指标,表明该算法相比同类算法有更好的降噪和边缘保持效果。     

基于各向异性逆扩散方程的指纹图像锐化去噪方法

基于逆扩散过程的启发,提出各向异性逆扩散算法用于指纹图像的锐化去噪方法,克服了退化扩散方程对大曲率边缘点的模糊效应,兼顾了去噪和保持边界这一矛盾的两个方面,尤其适合于纹理密集的指纹图像锐化.实验结果表明,本文算法对于带噪指纹图像的锐化效果明显优于以往非线性扩散处理算法.     

基于能量函数对各向异性扩散病态性的分析

针对各向异性扩散方程中的“病态性”问题,从能量函数的角度对其原因进行分析,并依据稳定性的要求选择合适的扩散系数。采用几种不同的扩散系数加以对比实验。实验证明,改进后的扩散系数可以较好的消除“阶梯效应”。     

Lattice Boltzmann Models for Anisotropic Diffusion of Images

The lattice Boltzmann method has attracted more and more attention as an alternative numerical scheme to traditional numerical methods for solving partial differential equations and modeling physical systems. The idea of the lattice Boltzmann method is to construct a simplified discrete microscopic dynamics to simulate the macroscopic model described by the partial differential equations. The use of the lattice Boltzmann method has allowed the study of a broad class of systems that would have been difficult by other means. The advantage of the lattice Boltzmann method is that it provides easily implemented fully parallel algorithms and the capability of handling complicated boundaries. In this paper, we present two lattice Boltzmann models for nonlinear anisotropic diffusion of images. We show that image feature selective diffusion (smoothing) can be achieved by making the relaxation parameter in the lattice Boltzmann equation be image feature and direction dependent. The models naturally lead to the numerical algorithms that are easy to implement. Experimental results on both synthetic and real images are described.     

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.