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。     

新适定模型的提出及分类扩散

提出一种新的适定滤波模型和一个可以滤除混合噪声的滤波方法。分析并讨论Perona和Malik (PM)模型中的传导系数函数,该函数对边缘的敏感性较强,是PM模型为不适定方程的主要原因。修改传导系数函数的敏感性后,得到适定的各向异性图像扩散模型,具备不适定模型所不具有的双扩散项和扩散因子的形式。根据滤波方程特点将模型分为平滑模块和抑噪模块,分离了平滑和抑噪两个物理过程,从而提升了图像的光滑性和降低了图像的噪声。在实际图像上的实验结果表明,新的滤波算法对混合噪声的滤波效果优于一些经典的图像扩散算法。     

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.     

基于改进的各向异性扩散方程的医学超声图像降噪方法

提出了一种基于各向异性扩散方程的改进方法.通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域.仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法.     

自适应耦合方向扩散和冲击滤波的图像放大

提出一种新的基于偏微分方程（PDE）的图像放大算法。算法模型由方向扩散、保真项和冲击滤波构成。通过设置与边缘信息有关的保真项系数,调节图像被模糊的程度,保留图像特征;综合调节扩散方程和冲击滤波的权重,实现两种PDE的自适应耦合。由于运用连续函数,结合图像内容调节两种PDE的权重,避免了在放大时出现人工痕迹。实验结果表明,此算法在客观指标和主观效果上均优于传统双线性插值和其他同类方法,是一种有效的图像放大算法。     

图像有损压缩预处理的各向异性扩散新方案

结合小波变换,提出了图像有损压缩预处理的各向异性扩散方案。各向异性扩散在图像平滑中,其不但能够较好地抑制噪声,而且能够很好地保留图像原有的边缘和纹理特征,而小波变换又具有人类的视觉特性。该方案先对图像作小波变换,再根据各子图像的特点,用不同的各向异性扩散方法处理子图,最后压缩重构图像。实验表明,对有损压缩来讲,与已有的方法比较,该方案具有更好的解码质量和更高的压缩比。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。     

基于多方向中值滤波的各向异性扩散滤波算法

提出一种改进各向异性扩散滤波算法。现有研究方法多存在图像边缘不清,误识别多,扩散系数多凭主观选择等问题。该算法利用保留细节和边缘的能力较为突出的多方向中值滤波方法在多个方向上进行扩散,利用局部方差和图像梯度改进了扩散系数,通过多次迭代修正扩散系数,增强了算法的鲁棒性,且在滤除噪声的同时注重对边缘细节的保持。通过具体实验仿真,以峰值信噪比、均方误差、结构相似度以及图像佳数4个参数作为指标,对实验仿真结果进行了量化比较,表明该算法与传统各向异性扩散方法以及Catté_PM模型等改进方法相比,具备更好的滤除图像噪声以及保持图像边缘的能力。     

基于改进各向异性扩散的超声医学图像滤波方法

为了能有效地去除超声医学图像中的噪声,又能较好地保持图像的边缘和重要细节信息,在η-ξ正交坐标系下研究并分析了各向异性扩散模型(P-M模型)的扩散滤波机制,并在此坐标系下建立了一种新的各向异性扩散滤波方案。实验结果表明,改进的扩散模型不仅能够有效地保持图像边缘,而且还能够克服P-M模型对小尺寸噪声的敏感问题。     

基于张量扩散的图像恢复

基于J.Weickert的各向异性扩散模型,针对模型处理结果中出现的条纹效应,给出了新的方向扩散系数,从而有效地消除了条纹效应。并采用新的预处理滤波器与其进行比较,实验表明：改进后的方法既能有效地消除噪声,又能很好地保持细节特征,可以得到较为满意的峰值信噪比。     

Sobolev 广义度量下的各向异性扩散模型

给出了Sobolev空间的一种广义度量, 在该度量下提出了一个新的各向异性增强、扩散方程. 广义度量中的变系数, 较好地控制了方程的扩散行为, 使得新模型不仅能有效增强图像的细节特征, 而且能在噪声去除和边缘保护之间取得较好的平衡, 同时给出了相应的隐式离散算法. 仿真实验结果表明, 新模型和算法是行之有效的.     

基于PDE正则化的超分辨率图像重构方法

采用非线性扩散模型建立超分辨率图像重构的偏微分方程,利用各向异性扩散方程的方向选择平滑的特性,在重构高分辨率图像的同时能够很好地消除系统噪声,保持细节信息。实验结果表明,该方法有效地提高了重构的图像质量,在视觉观察和数值评价上都优于原有正则化方法,并且对不同噪声水平的图像具有很好的鲁棒性。     

基于模糊异质扩散的图像去噪方法

将模糊思想与Perona-Malik方法相结合,提出一种新的基于模糊理论的图像异质扩散滤波方法。把异质扩散方程中的边界停止函数看作像素梯度对于图像连续平滑区域的模糊隶属度函数,利用模糊熵的概念来确定图像中分片连续区域间的边界阈值σ。本文的模糊方法和其他经典方法的异质扩散比较实验说明,该方法在保持图像的细节方面更具有优越性。     

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.     

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.     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

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。     

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。