新的形态学图像降噪方法

提出一种新的基于轮廓结构(CB)元素形态学的多尺度图像降噪方法。考虑到图像在不同尺度下的特性,用基于轮廓结构元素形态学的多尺度算法滤除图像噪声,然后将不同尺度下的降噪图像加权融合在一起,从而得到最终的降噪图像。通过大量实验证明该方法能够有效去除多种不同类型的图像噪声,并在抑制噪声的同时很好地保护了图像的细节和边缘信息。     

基于偏微分方程的医学超声图像降噪研究

提出一种将图像分解和几何分析相结合的算法去除超声图像中的斑点噪声。针对超声图像的斑点噪声为乘性噪声特性,将经典的ROF图像分解模型引入到适合于受乘性噪声污染的图像分解。超声图像经模型分解为轮廓部分、细节部分和噪声部分,然后对分解后的差值图像进行Ridgelet降噪,由于Ridgelet降噪克服传统小波分析方向性上的不敏感的缺点,能很好地保持图像边缘。处理后得到的图像无论是在斑点噪声去除、细节保护方面都优于传统的非线性滤波器和小波分析方法。实验表明,算法是完全可行和有效的。     

利用均匀离散曲波域LCHMM的图像降噪算法

提出了一种在均匀离散曲波域中利用局部上下文隐马尔可夫模型进行建模的图像降噪算法。介绍均匀离散曲波变换的特点,分析其系数的统计分布规律,表明适合用隐马尔可夫模型对其进行建模。通过期望最大化训练获取模型的参数,利用参数得到降噪图像的系数估计。分别对光学图像和高分辨率的SAR图像进行了降噪实验,与小波域、轮廓波域的局部上下文隐马尔可夫模型等降噪方法进行比较,结果表明,提出的算法能够有效地去除噪声,具有较强的边缘保持能力。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力，同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场，构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算，减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

基于PCNN的图像椒盐噪声滤除方法

传统的降噪方法在图像降噪之后会损坏图像的部分边缘细节信息,致使图像的轮廓变得模糊不清。为了达到更好的图像降噪效果,提出一种改变突触链接强度和改进阈值函数的脉冲耦合神经网络的图像降噪方法。该方法将基本脉冲耦合神经网络模型进行简化,使突触链接强度自适应取值,将阈值函数改进为分段的衰减函数,从而提高对图像不同灰度值的分辨力,并根据神经元与其周围神经元点火时间差定位噪声点,提高了算法对噪声点的辨识精确度,进而实现更好的降噪效果。实验结果表明,改进方法准确地辨识出了图像的椒盐噪声点,并且能够有效去除噪声点,同时很好地保护图像边缘细节。     

红外图像活动轮廓分割算法

红外图像通常存在边缘模糊、对比度低、背景复杂等特点,传统的活动轮廓模型难以达到理想的分割效果。针对这种情况,提出了一种能够用于红外图像分割的边缘活动轮廓模型。该模型采用了结合图像局部熵信息定义的边缘停止函数,同时提出了一种针对红外图像的自动选取初始轮廓的方法,进一步提高了算法的效率。实验结果表明,采用该模型能够有效分割红外图像。     

结合全局和局部信息的水平集图像分割方法*

LBF模型对初始轮廓大小和位置非常敏感,并且只考虑了图像的局部信息,没有考虑图像的全局信息。CV模型利用图像全局信息,对初始轮廓具有较强的鲁棒性。两种模型对椒盐噪声污染的图像不能取得令人满意的结果。针对以上问题, 在原有CV模型和LBF模型能量函数基础上,各自构造一个新的能量拟合项,增强对高斯噪声和椒盐噪声的抗噪性。采用新构造的CV模型,使用图像的全局信息得到粗分割轮廓。以粗分割轮廓作为新构造LBF模型的零水平集,利用图像的局部信息得到图像的精确分割结果。同时提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性。相较于CV模型,LBF模型,结合全局和局部信息的Wang模型和Qi模型,提出模型能得到更优的图像分割结果,具有较强的抗噪性。     

基于局部统计参数的复数图像降噪算法

为了使复数图像更为清晰、边缘轮廓更为平滑,提出了一种基于局部统计参数的复数图像降噪算法,使用单小波转换方法对图像分解与重构,得到复数图像的三种带通子带,使用局部统计参数对子带图参数调整,映射出复数图像的局部架构特征,利用各向同性扩散方法,将复数图像梯度算子转换为常量,通过上述得到的架构特征结果对初始复数图像进行基础降噪,同时因图像仍存在冗余噪声,依靠小波系数信号对冗余噪声进行几率密度,计算完成二次降噪.仿真结果证明,较比传统方法,所提方法能够有效地对复数图像进行降噪,并且降噪完成后不会出现冗余噪声.     

自适应权值调整GS图像分割算法

近期国内外分割算法研究表明，当目标局部边缘性质相差较大时，局部自适应分割算法较全局分割算法可以取得更好效果。为了快速地进行GS（Greedy Snake）图像分割，提出了一种不规则形状自适应图像分割算法，用于图像目标物体的边缘检测，同时基于伪逆算法，提出了一种自适应调整参数的方法，该方法保留了算法的反馈机制。在系统动态仿真中，为了避免动态边缘的停滞，新算法继承了greedy Snake算法的能量公式，同时根据附近目标轮廓边缘及其周围测试点的性质，通过调整其权值参量来达到调整局部特性的目的，以便使轮廓自适应地逼近目标边缘。计算机仿真结果表明，将新算法模型用于捕捉多种目标物体的边缘，可较其他Snake算法取得较为良好的效果。     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

一种基于四阶偏微分方程的噪声消除方法

介绍了一种基于四阶偏微分方程(PDE)噪声消除方法。采用分片平面图像逼近被处理图像。在噪声消除同时保持良好边缘,避免了使用二阶偏微分方程处理图像常常出现的块效应。实验结果表明该方法是行之有效的。     

Iterative Image Restoration Combining Total Variation Minimization and a Second-Order Functional

A noise removal technique using partial differential equations (PDEs) is proposed here. It combines the Total Variational (TV) filter with a fourth-order PDE filter. The combined technique is able to preserve edges and at the same time avoid the staircase effect in smooth regions. A weighting function is used in an iterative way to combine the solutions of the TV-filter and the fourth-order filter. Numerical experiments confirm that the new method is able to use less restrictive time step than the fourth-order filter. Numerical examples using images with objects consisting of edge, flat and intermediate regions illustrate advantages of the proposed model. This work has been supported by the Research Council of Norway.     

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。     

一类四阶各向异性扩散方程在图像放大中的应用

在文中我们首先分析了进行图像放大时各向异性偏微分方程优于各向同性偏微分方程,随后我们分析了在本文中不同四阶模型的扩散方向.为了消除低阶偏微分方程在处理图像中出现的块状效应的影响,同时保证方程为各向异性扩散,我们构造了两个各向异性的四阶偏微分方程,并且分别从数据和放大图像效果两方面来说明我们给出的模型优于文中提到的其它四个模型.     

四阶各向异性扩散方程在图像放大中的应用

分析了进行图像放大时各向异性偏微分方程优于各向同性偏微分方程,分析了不同四阶模型的扩散方向。为了消除低阶偏微分方程在处理图像中出现的块状效应的影响,同时保证方程为各向异性扩散,构造了两个各向异性的四阶偏微分方程,并且分别从数据和放大图像效果两方面来说明本文模型优于其他4个模型。     

一种基于二阶和四阶PDEs的变分去噪方法

二阶偏微分方程图像去噪方法在去除噪声同时保护边缘效果较好,但在平滑区会产生阶梯效应,而四阶方法可以消除阶梯效应,基于此提出了一种将二阶与四阶偏微分方程相结合的变分去噪方法,给出了其欧拉方程和梯度下降流,并分析了数值离散化方法。通过去噪实验表明,该方法能有效去除噪声干扰,在一定程度上保护边缘,并且可以有效减弱阶梯效应,改善图像质量。     

基于改进符号压力函数的变分水平集图像分割算法

为了更好地解决含有弱边界、灰度不均匀的图像在分割时出现的轮廓线错误移动而导致分割结果错误的问题,结合图像的统计信息,构造出一种新的符号压力(SPF)函数,提出了一种基于改进的压力符号函数的变分水平集图像分割算法。首先,利用新的压力符号函数代替边缘函数,构造了新的活动轮廓模型;其次,该算法保持了测地线活动轮廓(GAC)模型和chan-vese(C-V) 模型的优点,使水平集函数演化到目标的边界上;最后,对一些弱边界、灰度不均匀的图像进行仿真实验,结果表明提出的算法能够精准地分割目标,并且具有一定的抗噪性。     

基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界。为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型。首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数。其次,构建梯度下降流,促使轮廓曲线运动到目标边界上。最后,对5组含有弱边界的图像进行仿真实验。实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型。     

一种改进的最小二乘正则化的图像复原方法

在常用的最小二乘正则化方法的基础上,提出了一种改进的图像复原方法。在运算中,首先用四阶偏微分方程方法对模糊图像进行噪声处理,得到一幅中间图像,然后对这个中间图像采用最小二乘正则化方法进行处理,便得到了最终的复原图像。实验表明,该方法不仅能克服问题的病态性,而且复原后的图像比最小二乘正则化方法复原后的图像整体视觉效果和峰值信噪比都有明显的提高。     

Kernel-based fourth-order diffusion for image noise removal

The fourth-order partial differential equations have good performance on noise smoothing and edge preservation without creating blocky effects on smooth regions. However, for low signal-to-noise ratio images, the discrimination between edges and noise is a challenging problem. A novel kernel-based fourth-order diffusion is proposed in this paper. It introduces a kernelized gradient operator in the fourth-order diffusion process, which leads to more effective noise removal capability. Experiment results show that this method outperforms several previous anisotropic diffusion methods for noise removal and edge preservation.