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。     

PDE模型在声纳图像去噪中的应用研究

偏微分方程方法在光学图像去噪中已有很多成功的应用,但用于声纳图像去噪的情况还不多见。针对声纳图像受噪声污染严重的问题,将偏微分方程原理引入到声纳图像去噪中,重点讨论了两种偏微分方程模型:ROF模型和四阶扩散模型。基于这两种模型对声纳图像进行去噪处理,仿真实验证明了偏微分方程去噪算法的有效性,并对比分析了两种模型的去噪性能。ROF模型适用于低信噪比条件下的声纳图像处理,而四阶扩散模型在高信噪比条件下,能够很好地保持图像边缘,但当噪声污染严重时,其去噪后的SNR比ROF模型去噪低了近10 dB,不利于声纳图像处理。     

结合L0优化与拉普拉斯算子的图像平滑方法

针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数....     

基于拉普拉斯边缘检测算子的图像分割

通过分析作为二阶梯度的拉普拉斯公式,得出可应用到实践图像分割中的拉普拉斯边缘检测算子,并通过VC＋＋6.0加以实现。分析图像分割结果,并对拉普拉斯边缘检测算子进行利弊分析。     

结合核函数与非线性偏微分方程的图像去噪方法

传统的非线性扩散滤波方法在图像去噪时使用传统的梯度算子,易导致细节缺失。针对该缺点,以非线性偏微分方程和图像结构信息为基础,构造一类带有自适应权值的非线性扩散滤波去噪方式。这种方式选用多方向的拉普拉斯算子模板,结合核函数,自适应地调节权重系数;利用非局部信息选取合适的搜索窗宽,以减小图像噪声的影响。实验证明,该方法既能较好地保存图像纹理细节,又可以达到很好的去噪效果。     

基于p—Laplace算子的CDD图像修补算法

图像修补是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。对如何将基于曲率驱动扩散模型用于图像修补进行了讨论,并提出一种基于p-Laplace算子的CDD图像修补算法,利用p-Laplace算子的非线性各向异性扩散的性能来填充受损区域,主要修补有划痕的旧照片和被文字覆盖的图像。采用峰值信噪比和运算时间两个参数来评定图像的修补效果。对修补后的图像来说,其峰值信噪比越大,修补时间越短,说明修补的效果越好和速度越快。实验结果表明,与原方法相比,能提高图像修补速度,使图片边缘过渡更加自然,修补效果得到改善。     

一种基于一致锐度算子的图像去噪方法

利用一致锐度算子的两个特性,结合小波变换与偏微分方程的方法,提出一个新的图像去噪方法.经仿真实验,表明该方法具有很好的图像去噪效果.     

基于高斯拉普拉斯算子的汽车轮胎磨损检测算法

针对目前人为根据经验判断汽车轮胎是否达到最终使用时间不准确造成资源浪费的问题,提出了一种基于高斯拉普拉斯算子的汽车轮胎磨损检测算法.首先,将拍摄的汽车轮胎图片进行预处理,包括图像灰度化和高斯滤波,用拉普拉斯算子对图像的边缘进行检测;然后,对处理好的图片进行像素坐标提取,通过汽车轮胎花纹深度的检测算法,得到轮胎的实际深度...     

基于拉普拉斯算子的彩色图像锐化处理

彩色图像增强过程中,对图像进行锐化处理是一个重要环节。介绍了图像锐化处理的概念和拉普拉斯算子的算法原理;重点阐述了一种基于拉普拉斯算子,在C#.NET中构造功能函数并借助模板取样测试原理实现彩色图像锐化处理的方法。实践证明,BMP、JPEG格式的图像使用该方法锐化后的效果良好。     

基于拉普拉斯算子的三角网格模型的平滑与压缩算法

三角网格模型被广泛应用于各个领域并迅速发展,为了既保留网格模型的局部几何特征,又在平滑去噪的同时能够较好地保持边缘、纹理等细节信息,提出一种基于拉普拉斯算子的偏微分方程平滑方法,可以得到较好的去噪效果;为了更加方便三维数据的传输与操作,采用了一种在拉普拉斯算子的基础上,对三角网格模型进行特征分解进而进行光谱压缩的方法,可以实现对模型的压缩.     

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。     

一种基于偏微分方程的图像复原新模型

首先基于偏微分方程（PDE）提出一个描述图像复原的泛函,并推导出新的PDE图像复原模型,该模型不仅复原效果良好,而且能较好地保持图像的特征。与其他经典的复原方法相比较,新模型具有理论上的优势;其次,有效地解决了保持图像边缘特征和图像的过度平滑这对矛盾。实验表明,给出的新模型既能较好地复原图像,又能很好地保持图像的边缘特征。     

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K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

自适应模型的水平集图像分割方法

水平集广泛应用于图像分割。给出基于传统C-V和GAC模型的水平集方法,在此基础上,介绍了一种结合C-V模型和GAC模型并根据图像特征选择性融入图像局部信息的自适应模型的水平集分割方法。通过实例分析,证明了该方法对分割弱边缘和灰度渐进的图像是有效的,并且抗噪声性能较好。     

基于方向场的指纹图像偏微分方程修补模型

提出一个用于指纹图像修复的新的偏微分方程(PDE)模型,该模型对指纹图像的缺损区域能进行有效的修补。通过分析比较现有的技术方案对指纹图像修补的不足:一般常见的图像修复模型由于缺乏方向场的几何信息,对于指纹图像,这些模型不能给出满意的修补结果;或者虽然引入了方向场的几何信息,但在具体修补时会出现将不同的脊线连到一起不同的错误结果。该模型采用方向场作为扩散方向,在扩散过程中灰度信息沿着表征脊线方向的局部固定方向传播到待修复区域中, 改进了一般PDE模型不能用于修复指纹图像的不足。数值实验结果表明在修复指纹图像时提出的模型优于一般的模型     

基于偏微分方程和Gabor算法的图像细节特征保护方法

传统的数字图像恢复算法在图像恢复过程中会抹掉图像的局部特征如纹理或者细节特征,从而可能降低图像的可读性和可理解性。利用偏微分方程( PDE)和Gabor( PG算法)结合运用于图像恢复,不但能保护图像的边缘细节,而且还能有效地保护图像的局部特征,如纹理、有意义的小细节等反映图像重要信息的特征。将Gabor过滤器的图像特征识别特性融入PDE的图像恢复算法之中,对图像细节特征进行加权保护,再利用较简洁的基于局部能量残余的图像分区机制来控制图像光滑的强度,从而有效地解决传统PDE算法的“盲目性”。     

基于偏微分方程的变分去噪模型

针对现有去除图像乘性噪声的变分模型的保真项中存在病态条件的问题,结合全变分方法和对数变换的相关理论对保真项进行分析,提出一种新的基于偏微分方程(PDE)的去除图像乘性噪声的变分模型,导出了该模型对应的偏微分方程初边值问题,并给出了相应的数值计算方法。从数值实验结果可以看出,所提模型的均方误差(MSE)明显下降,峰值信噪比(PSNR)明显提升,同时很好地避免了模型的病态情形,对去除图像乘性噪声的变分模型中保真项存在的病态条件提供了很好的解决办法,减小了离散化过程中可能存在的误差。数值实验结果表明,所提模型具有良好的去噪效果,能够较好地抑制图像中的“阶梯效应”现象。