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。     

偏微分方程在图像去噪中的应用

论文分析了偏微分方程在图像去噪方面的应用,分析现有方法的理论基础、存在的问题以及在去噪中的优点。给出实验结果,对比几种方法在去噪中的不同应用。分析了偏微分方程去噪存在的不能恢复纹理的缺点,提出了今后改进的方向。     

基于耦合偏微分方程的图像去噪方法

本文基于Perona-Malik模型和四阶偏微分方程提出了耦合偏微分方程的平滑方法。实验表明,该方法能很好兼顾图像噪声消除和边缘保持,避免了二阶偏微分方程处理图像常出现的块效应,使图像平滑自然。     

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。     

基于方向四阶偏微分方程的荧光显微图像去噪

荧光显微图像由于光学成像系统的自身物理缺陷,光电转换,样本组织结构以及人为误差等因素的影响,噪声无法避免,为此,一种基于方向四阶偏微分方程的荧光显微图像去噪方法被提出,主要考虑两个方面,一是基于变分方法,二是控制滤波模型的扩散方向。在人工合成和真实荧光显微图像上进行的实验结果表明,同传统二阶偏微分方程扩散模型相比,应用所提出的方法进行去噪,不管是主观视觉,还是客观评价,均表现出了更好的性能。     

基于改进四阶偏微分方程的激光光斑图像去噪模型

随着激光技术的发展,激光光斑检测在实际应用中越来越广泛,但激光的远距离传输易受环境噪声的影响从而导致光斑检测误差变大。因此,以激光光斑为研究对象,针对激光光斑图像去噪这一重要问题,进行了改进算法研究。首先针对传统四阶偏微分方程去噪模型存在边缘模糊和自适应差的问题,从扩散函数的角度出发并根据不同光照下光斑的检测参数引进自适应梯度阈值,提出一种改进四阶偏微分方程去噪模型;其次将所提模型应用于雪天、雾天和雨天不同光照条件下激光光斑去噪中去;最后分别与基于自适应梯度阈值的各向异性去噪模型（IPM）、统一变分模型（DC）和ML四阶PDE去噪模型进行对比分析,结果表明所提算法不仅使去噪后的光斑图像内部保持平滑、边界保持清晰,且对不同光照条件具有较高的自适应性。     

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。     

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。     

一种组合总变差和4阶偏微分方程的图像去噪模型

总变差滤波能保持边缘,4阶PDE滤波能在图像的光滑区域消除阶梯现象,为此提出了一个用于图像去噪的基于偏微分方程(PDE)的组合模型,把总变差(toval varition,TV)滤波和一个四阶PDE滤波通过某一权函数τ进行了加权组合。该组合模型很好地保留了二者的优点。数值试验结果表明,新模型在信噪比等方面比单纯的用一种滤波有较大的改进。     

一种新的基于偏微分方程的图像修复

图像的修复是图像处理中一个重要的部分,主要是利用一定的方法针对产生划痕和有缺损的图像进行修复,或者从图像中去除指定的物体和文字,以达到特定的目的。该文比较了CDD图像修复模型和快速图像修复模型的性能。它们都满足“连接整体性准则”,对于具有较大破损区域及细小边缘的图像具有良好的修复能力。但是前者修复速度较慢,而后者可以克服CDD修复速度较慢的缺点。实验结果表明,该模型在保证与CDD模型相近修复质量的情况下可以大幅度地提高修复速度。     

基于微分方程和小波图象去噪研究

小波图象去噪是目前图象去噪的主要方法之一,它可以在很好去除噪声的前提下保持图象的细节特征。近年来基于偏微分方程的图象去噪方法得到了广泛的关注。在一定的约束条件下,求解方程的最优解可以达到比较好的去噪的目的。实验结果表明,该方法在图象去噪的效果上要比小波去噪好,去噪后图象的信噪比高。     

改进的各向异性复扩散模型的医学图像去噪方法

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.     

变分图像复原中PDE的推导及其数值实现

以全变分（TV）去噪模型为例,本文详细阐述了全变分复原模型的构造,用变分法推导出与之相应的偏微分方程（PDE）,并用直接差分法对该模型进行了数值仿真.结果表明,差分法能有效地快速实现基于TV模型的去噪方法,其去噪效果良好.     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于L_p范数的自适应偏微分方程图像处理模型,改进了Tony Chan的TV变分模型和张红英的p-Laplace模型.TV模型对图像采用全局约束,而新的扩散方程在图像不同的位置上采用不同的约束,具有局部自适应的特性,在扩散的同时更好地保持了图像的边缘信息,进而将其应用到图像恢复(去噪,去除模糊)中去.实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

基于分层筛选方法的前景图像去噪

前景图像的后期美化和去噪处理一直是模式识别和计算机视觉等领域的一个重要研究环节。鉴于形态学后期处理方法容易造成前景目标几何和尺寸的变形现象,本文根据真实前景目标和噪声在前景图像空间分布和像素值的统计特性提出了一种分层筛选独立分离块的前景图像后期去噪方法。该方法包括划分单元块,构造独立分离块,计算独立分离块面积和去除噪声块四个步骤。实验结果表明,本文提出的方法能够有效地去除噪声,且与形态学图像后期处理方法相比有更好的去噪效果和更低的时间复杂度。     

基于离散小波阈值的偏微分图像去噪

小波方法和偏微分方程方法是图像去噪中的主要方法。该文提出基于离散小波变换对图像进行阈值去噪,得出了小波阈值的偏微分方程表示形式,在此基础上研究偏微分方程的解法,采用分数步的小波阈值方法对图像去噪,得到了较好的去噪效果,同时可以保护边缘。数值试验结果表明,该方法具有比小波方法更好的去噪效果,能获得较高的信噪比。     

基于变分PDE的非线性数字混合滤波器

从局部扩散角度分析了经典变分PDE复原模型的不足,给出一种基于全变差模型和调和模型的混合图像复原模型,并导出了相应的数字混合滤波器.该滤波器可以根据图像的局部梯度特征自适应选取滤波器系数,能在去噪的同时保留边缘,并削弱平滑区域的阶梯效应,具有较好的综合性能.针对该混合滤波器,还设计出相应的图像修补和放大算法.大量仿真实验表明,该滤波器可以很好地应用于图像的去噪、修补和放大.     

引入修正因子的局部维纳滤波图像去噪

维纳滤波是一种古典的去噪方法,它是最小均方误差意义上的最优线性滤波。在对它的性能分析后,噪声方差修正因子被引入。实验结果表明,这一方法虽然简单,但是有效改善了传统局部维纳滤波的性能。     

基于差分曲率的偏微分方程图像降噪算法

针对图像去噪过程存在边缘保持与噪声抑制的矛盾,提出一种改进的偏微分方程图像降噪算法。将差分曲率引入各项异性扩散方程中,构造出新的扩散系数函数,其可以较好区分图像的边缘、平坦区域以及噪声,使算法在去除噪声的同时,保留更多弱边缘和纹理等细节信息。实验结果表明,该算法与其它基于偏微分方程的图像降噪算法相比,在客观的质量评价方面,提高了图像的信噪比和峰值信噪比;在主观视觉效果方面,在滤除噪声的同时保留了更多的弱边缘等细节信息,该算法实现了较好的图像降噪效果。