耦合冲击滤波器的片相似性各向异性扩散模型

在图像去噪过程中,为保持图像边缘并去除噪声,提出一种结合片相似性各向异性扩散(AD)和冲击滤波器的图像去噪和增强模型。采用片相似性AD模型去除图像中的噪声,引入冲击滤波器增强图像的重要结构特征。构造关于图像梯度模的函数,并自适应地调节图像在同质区域、细节和边缘区域的增强系数,在增强图像细节的同时,抑制噪声的放大和过冲现象。实验结果表明,该模型在视觉效果和客观评价指标方面均优于传统的AD模型、片相似性AD模型、结合冲击滤波器的AD模型,不仅能有效地去除噪声,且更好地保留了图像的细节和边缘特征。     

稳健MM估计在扩散张量成像中的应用

在扩散加权图像中存在由热噪声产生的高斯分布偏差和生理噪声产生的异常点,最小二乘(LS)法对于高斯分布偏差具有较好的估算效果,但是对异常点不稳健。为此,采用稳健MM估计方法对扩散张量成像(DTI)数据进行张量估算,将高失效点算法的估计结果作为初始估计值,进行两步M估计。模拟数据与真实数据的实验结果表明,该估计方法具有较好的稳健性,并能有效估算扩散张量。     

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。     

面向遥感图像无损压缩的CCD噪声抑制方法研究

CCD在成像过程中所产生的噪声会限制星地间遥感图像数据的传输效率。因此,为有效抑制CCD噪声并提高遥感图像的无损压缩比,本文提出了一种基于图像噪声标准差估计的各向异性扩散方法。首先,结合图像同质性测度和边缘提取结果提出一种遥感图像噪声标准差的自动化估计方法。而后,通过噪声模拟的方式拟合出图像噪声标准差与经典式各向异性扩散方程传导系数中梯度阈值的线性关系。基于图像噪声标准差估计和同质性测度结果,最终提出一种可自适应性调整传导系数值和迭代次数的噪声驱动式各向异性扩散方法。本文中分别采用北京一号小卫星多光谱遥感图像和标准测试图像对所提出的噪声估计方法和噪声抑制方法进行评价。试验结果表明,对比其他各向异性扩散方法,本文所提出的方法不仅可实现更好的图像复原效果,还可有效地提高多光谱遥感图像的无损压缩比,并为今后星上数据处理系统的研究提供一种较新的思路。     

基于小波变换的非线性尺度扩散方法

小波变换用于图像处理之所以具有特别的优势，因为它能够聚焦到图像的细微变化。与小波变换不同，用偏微分方程来进行图像处理则需要对图像进行反复的迭代，直到得到一个稳定解，其整个过程是对图像进行整体处理，而且在去噪的同时，可以很好地保持边缘形状不变。若将两者有机结合，则不仅会克服各自的缺点，而且会得到更好的效果。为了在进行图像处理时，既能很好地抑制噪声，又能尽可能多地保持图像细节，提出了一种小波变换与非线性尺度扩散相结合的图像处理方法。该方法是利用小波变换的时频局部性和非线性尺度扩散的边缘增强特性来对图像进行处理，实验结果表明，其不仅能很好地抑制噪声，而且可保留尽可能多的图像细节，可见该方法是有效的。     

小波变换估计非线性扩散最优停止时间

Gilboa提出一种针对高斯噪声的基于信噪比(SNR)最优的迭代停止时间估计方法。该方法用一个噪声补丁来估计图像噪声与冗余(噪声图像与去噪图像的差)的协方差对冗余方差的导数,补丁是随机生成的纯高斯噪声图像,其均值为零并且方差等于噪声图像的噪声方差。在实际应用中图像噪声方差未知,补丁的噪声是随机的,不同噪声所得到的最后停止时间可能不同。针对这些问题,对该方法进行了改进。首先将图像进行小波变换;再利用小波系数的层间相关性去掉第1层斜向高频系数(HH1)中的边缘纹理信息,获得"纯"的子噪声;然后把子噪声作为补丁的噪声取代随机噪声。实验结果表明,改进方法不仅能解决随机噪声补丁的两个问题,而且去噪图像在峰值信噪比(PSNR)上有一定优势。     

基于最小描述长度原则的各向异性扩散模型

各向异性扩散的最大特点在于它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,因此噪声和一些无关的细节被平滑掉了,从而能够有效地实现图像保边缘平滑。在现有各向异性扩散模型中,偏微分扩散方程解的适定性和扩散系数中的梯度阈值的合理估计是尚未很好解决的问题。为此利用最小描述长度(MDL)原则发展了一种各向异性扩散模型,并与Lyapunov函数的p-范数相结合,改善了各向异性扩散模型中梯度阈值的估计方法,形成了一种性能较好的各向异性扩散非线性滤波技术。实验结果表明,该方法不仅能够更有效地识别噪声图像中的细节边缘,而且还保证了各向异性扩散模型的稳定性;改进的扩散模型,滤波效果优于传统的各向异性扩散模型,是一种较为理想的保边缘滤波方法。     

基于Mallat-Zhong离散小波变换小波的超声图像各向异性扩散抑噪方法

针对传统各向异性扩散方法在超声图像散斑噪声抑制中存在的噪声抑制不充分与边缘特征保持不足的问题,提出一种基于Mallat-Zhong离散小波变换(MZ-DWT)小波的散斑噪声抑制方法。该方法将MZ-DWT小波分析与期望值最大化(EM)算法作为图像中均匀区域与边缘区域的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速度,从而达到充分抑制噪声和保护边缘的目的。实验结果表明,所提方法在有效抑制散斑噪声的同时,更好地保持了图像细节信息,其性能优于传统各向异性扩散方法。     

基于各向异性改进的水平集超声图像去噪算法

针对各向异性扩散可能出现的阶梯效应以及扩散门限难以准确确定、水平集函数只能根据图像梯度区分图像边缘及同质区域的问题,将各向异性扩散中的边缘增强项引入到水平集方程中,同时自适应地估计扩散门限,在去除噪声的同时保持和增强边缘。该方法结合了水平集函数和各向异性扩散的优点,理论分析和实验结果均表明了该算法的去噪效果更好。     

融合多方向Sobel算子的相干斑各向异性扩散抑制北大核心CSCD

相干斑的存在严重干扰了SAR图像质量,亟需对其抑制处理。传统AD(Anisotropic Diffusion)滤波器边缘检测模型精准度仍有提升空间,且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题,提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD(Speckle Reducing Anisotropic Diffusion)的改进算法,其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型,并基于此,融合高斯核函数建立了新的AD扩散函数,可有效解决传统AD扩散系数受参数估计限制,提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验,结果表明:该方法可有效提高边缘检测能力,获取更优相干斑抑制效果。     

基于各向异性扩散方程的并行图像去噪研究

各向异性扩散方程是一种非线性PDE模型,在图像去噪中,通过非线性扩散因子来滤除噪声,同时能保留原有的边缘和纹理。但是当图像很大时,求解PDE的差分运算量将很大,满足不了实时系统的要求。针对该模型,在MPI并行编程环境下,利用图像像素的独立性和PDE求解的并发性,采用并行方式对图像去噪,在保证去噪性能的同时,极大地降低计算时间。     

改进的二阶总广义变分图像去噪算法

为了有效地去除含噪图像中的噪声,克服总变分（TV）去噪易于导致阶梯效应的缺陷,提出了一种改进的二阶总广义变分（TGV）的图像去噪方法。介绍了二阶TGV的理论基础,在二阶TGV中引入了各向异性扩散张量,利用张量函数引导扩散,获得了新的去噪模型,最后提出了一种扩展了的原始-对偶算法对新模型进行数值求解。新模型充分结合了二阶TGV作为正则项自动平衡了一阶和二阶导数项,以及张量函数的各向异性扩散,有效突出边缘结构的特性。实验结果表明,该方法在有效地去除含噪图像中噪声的同时,避免了阶梯效应,增强了对原始图像中边缘结构的保持。     

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.     

基于拓扑导数的复扩散在图像去噪及边缘提取中的应用

提出了基于拓扑导数的非线性复扩散用于图像去噪及边缘提取的一种算法.由于线性扩散会使图像边缘模糊,基于拓扑优化思想,对每个像素点的线性复扩散系数扰动,使得拓扑导数最小的扩散系数为最优.文中选取的扩散系数具有各向异性的特性,从而克服了Perona-Malik的各向同性扩散系数不利于去除边缘噪声的缺陷,选择拓扑导数足够小的像素点,对这些像素点用最优扩散系数进行扩散.文中给出了使算法迭代终止的判据.实验证明,与Guy Gilboa的非线性复扩散相比,本文方法对原始加噪图像处理后,实部图像体现出了更好的去噪效果,虚部图像则很好地保留了图像边缘,此外,本文方法还消除了Perona-Malik的方法对图像去噪后产生的阶梯效应.     

基于全局信息的图像增强组合方法

从分析图像增强的偏微分方程直方图修正方法的迭代过程出发,改进了偏微分方程的直方图修正模型.在此基础上,通过对图像的梯度信息和直方图信息的合理组合,提出了基于全局信息的图像增强组合方法.并利用图像直方图的根方差和图像噪声的根方差,构造了两种方法组合的权重因子,给出了权重因子的计算方法.同时设计了快速算法,提出了一种评价图像清晰度的指标.实验结果表明：该方法可以有效地实现对比度增强、噪声抑制和边缘保护.     

基于图像特征方向的各向异性扩散滤波方法

传统的各向异性扩散滤波方法都是从偏微分方程本身出发的,理论上的分析较为复杂.本文研究了基于图像特征方向的内在正交坐标系,分析了在此框架下的扩散滤波机制,然后直接从该坐标系下建立各向异性扩散滤波方案.这样的扩散滤波方法更加直观,可以简化理论分析.在此框架下,提出了一种新的各向异性扩散滤波方法.数值实验结果表明,新的扩散滤波方法可以更好地考虑图像的局部特性,从而完成细节保护和噪声消除的双重功能.所以,基于图像特征方向建立的各向异性扩散滤波方法更能达到我们预期的效果,该设计方法是有效的.     

基于对数压缩的超声各向异性扩散去噪方法

针对当前超声图像去噪算法很难同时做到降噪和边缘保持的情况,在进行各向异性扩散模型研究的基础上,提出基于对数压缩的改进各向异性扩散算法（LCAD）去除超声散斑噪声。算法将图像对数压缩后进行噪声分布模型估计,然后构造基于广义伽马分布的扩散系数,在扩散过程中达到降噪和边缘保持效果。     

基于变指数各向异性扩散和非局部的最大似然期望最大低剂量CT重建算法

针对低剂量计算机断层扫描(CT)重建图像发生严重衰退的问题,提出一种基于变指数和非局部的最大似然期望最大(MLEM)低剂量CT重建算法。该算法考虑了传统各向异性扩散中降噪不充分的缺点,把可以有效折中热传导和各向异性扩散(P-M)这两种模型的变指数,以及代替梯度检测边缘和细节的相似度函数运用到传统各向异性扩散中,从而达到所期望的效果。该算法在每次迭代中首先采用基本的MLEM算法对低剂量CT投影数据进行重建; 然后利用基于非局部的相似性测度以及变指数和模糊数学的理论对各向异性扩散的扩散函数进行改进,用改进后的各向异性扩散对重建图像进行降噪;最后使用中值滤波对图像进行处理从而消除脉冲噪声点。实验结果表明,所提出算法的均方绝对误差、归一化均方距离均比有序子集惩罚最小二乘(OS-PLS)、有序子集惩罚最大似然一步迟疑(OS-PML-OSL)、基于传统P-M、基于方差的算法小,获得了高达10.52的信噪比。该算法重建出的图像可以在有效消除噪声的同时较好地保持图像的边缘和细节信息。     

小波域上图像非线性扩散滤波

提出一个小波域上图像扩散滤波恢复新模型。主要思想是把原图像作为最精细尺度下的小波子带，根据噪声分布的特点，导出保护较大尺度下信息的泛函模型代替小波阈值除噪，对泛函求变分得：Euler-Lagrange方程。新的滤波方法能避免小波阈值除噪的伪Gibbs现象，改进了同类型非线性扩散方程滤波的效果。利用可加算子分裂(AOS)格式求非线性扩散方程的数值解。实例的数值计算说明对图像滤波和保护边缘的有效性。     

基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。