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。     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

各向异性扩散图像去噪的改进模型

图像去噪过程中,为了在有效平滑噪声的同时较好地保护图像的边缘和细节,在Cattle平滑模型基础上,对扩散系数作出改进,提出了更有效的自适应去噪模型。该模型不仅针对不同的梯度大小采用了不同的扩散系数,而且将边缘锐化因子二阶偏导引入到扩散系数中。而在图像质量评判标准中,提出了基于相关系数函数的最佳停止时间评判准则。实验结果表明,改进的模型优于C模型,且能更好地吻合评判准则。     

基于时间变化的鲁棒各向异性扩散模型

建立性能稳定的扩散模型一直以来都是各向异性扩散技术研究的关键问题. 尽管许多改进的扩散模型陆续提出, 这些方法仍旧难以有效解决两个核心问题: 梯度阈值和迭代停止时间的确定. 针对以上问题, 本文提出了基于时间变化的鲁棒各向异性扩散模型. 在该模型中, 作者设定高斯尺度因子和梯度阈值随时间单调递减, 这有利于在多个尺度下准确提取边缘和边界特征信息. 此外, 利用逐次迭代信噪比能够有效地确定迭代停止时间, 减少不必要的过量平滑. 为了验证本文模型的有效性, 采用Pinecone灰度图像进行了图像增强平滑处理. 实验结果表明, 本文模型在性能上优于传统扩散模型, 能够有效地消除噪声和保持边缘.     

相干光学系统图像复原的各向异性扩散方法

相干光学系统中图像噪声污染严重,提出一种基于各向异性扩散的图像复原模型,该模型的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时结合对数变换对相干光学图像进行复原去噪处理。实验结果表明,同SRAD、Lee、Frost、Non-local Means算法和基于小波的BLS-GSM、BM3D等方法相比,该算法可以更有效地进行边缘平滑,而且还能够较好地解决图像边缘和细节失真的问题,不论从PSNR,还是从视觉评价效果来看,该算法都具有一定的优越性。     

一种改进的医学图像各向异性扩散滤波算法

医学图像（CT、MRI）的滤波处理,须保留具有重要诊断意义的边缘细节信息。针对Perona-Malik各向异性扩散模型病态且不稳定的不足,提出了一种改进的各向异性扩散滤波算法。通过采用自适应加权的多尺度形态滤波来改进扩散系数,建立了一个对噪声图像更有效和更具适应性的去噪扩散模型。同时引入迭代终止准则,避免了迭代次数的设定。实验结果表明,算法优于PM方法和Catte方法,在提高信噪比的同时又可保留重要的微细结构,可以较好地满足医学图像的使用要求。     

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.     

各向异性扩散的彩色图像复合滤波方法

将扩散偏微分方程PDE’s推广到彩色图像滤波。分析了基于散度算子和基于迹算子PDE的优缺点,提出了一个新的扩散PDE方法。该方法在各向异性扩散基础上增加了一个震动滤波算子,并对特征根和扩散张量进行了重构,不仅对图像有很好的滤波效果,而且对边缘有增强保护的作用。实验结果表明,提出的方法达到了既有效去除噪声又保留更多细节的目的。     

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。     

一种基于人类视觉特性的边缘检测改进算法

针对传统Canny算子高低阈值的确定问题进行了研究。提出了一种基于人类视觉特性的Canny边缘检测算法。用频谱包络滤波器对图像进行平滑预处理,根据仿生学原理,分析了韦伯比曲线,将图像根据背景亮度划分为不同的区域,采用不同的公式计算高低阈值的方法。仿真实验表明,该方法在平滑图像时保留了重要的边缘信息,能够根据边缘所处背景亮度自适应地选择阈值,检测出与人的主观视觉更为一致的图像边缘。提高了边缘检测的自动化程度,更强的实用性。     

一种改进的各向异性扩散图像平滑方法

在人类视觉系统特性基础上提出了一个改进的各向异性平滑方法。加入图像四阶偏微分信息避免“阶梯效应”,扩展演化方向,改进数值模型。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。     

同向平均梯度的各向异性扩散模型

遥感图像成像过程中经常会产生包括高斯噪声和椒盐噪声的图像噪声,这些噪声在很大程度上降低了图像的清晰度,影响了图像的实际应用。如何在有效的去除图像噪声的同时又能够很好的保留图像的纹理信息,成为遥感图像去噪追求的目标。针对林石算子和基于非线性小波阈值的各向异性扩散方程存在的不足,提出一种基于同向平均梯度值的各向异性扩散去噪模型,该模型克服了林石算子和基于非线性小波阈值的各向异性扩散方程无法去除强高斯噪声和椒盐噪声的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理信息。实验结果表明,提出模型的稳定性和有效性,并且去噪后的图像信噪比较林石算子和基于非线性小波阈值的各向异性扩散方程分别提高了24 dB。     

一种异性扩散的自适应平滑滤波算法

固定尺度的高斯滤波器对图像中的所有像素使用相同的加权系数,在平滑噪声的同时也模糊了边缘信息,影响了后期的边缘定位和提取,为此提出了一种异性扩散的自适应仿高斯滤波器,通过计算当前像素与周围像素的灰度梯度,预判该像素类型（噪声点或是边缘点）,并根据像素点类型和梯度生成自适应的、各向异性的加权系数,通过多次平滑迭代实现权重的异性扩散。实验结果表明,该滤波算法具有平滑噪声的同时保留并锐化边缘效果。     

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。     

各向异性张量逆扩散指纹图像增强方法

由热扩散方程给出了一种基于张量扩散的各向异性逆扩散图像增强方法。该方法在对指纹图像滤波的同时,不仅保护了指纹的纹线,而且增强了纹线。实验结果表明该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理。