一个四阶偏微分方程在图像去噪中的应用

将边缘检测算子引入到用于图像去噪处理的四阶偏微分方程模型中,以建立能在去除图像中的噪声的同时抑制图像中的梯形效应且保护图像边缘细节的非线性偏微分方程模型.通过对该非线性偏微分方程模型的能量估计得到该非线性偏微分方程模型在有界区域上弱解的存在性和唯一性.利用数值仿真实验检验了所建立的非线性偏微分方程模型对图像中的高斯白噪声及椒盐噪声的去噪效果.     

基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.     

基于改进的灰色关联度的根系图像边缘检测

目的实现对植物根系形态基本参数的计算和分析。方法针对阵列分布内窥式图像获取技术采集的根系图像,提出一种改进的灰色关联度的边缘检测算法。该算法基于灰色关联分析理论,采用变权的邓式关联度模型,利用Sobel算子的2个模板作为参考序列,选取像素的八邻域分量值形成比较序列,通过两类序列之间的关联度实现边缘检测。结果仿真结果表明该算法与传统的边缘检测算子相比,能够较准确地检验出有用的根系边缘信息。结论基于Sobel算子的变权关联度的根系边缘检测算法有效地提高了边缘检测效果,具有一定的抗噪性能。     

基于偏微分方程的非线性图像去噪增强技术研究

本文主要研究基于偏微分方程图像去噪增强。针对降质图像去噪增强问题,结合偏微分理论和图像去噪增强方法,改进P-M各向异性扩散模型,有效去噪并保留图像边缘信息。对于基于梯度场均衡化对比度增强的不足,结合偏微分和可调直方图均衡化,增强图像纹理并改善对比度,并客观质量评价处理后图像。     

基于局部坐标二次微分的自适应全变分去噪复原

针对传统TV去噪复原算法以梯度模值作为图像的边缘检测算子,无法清晰地识别边缘和灰度渐变区及去除平坦区内的孤立噪声的问题,提出了一种基于局部坐标二次微分的边缘检测算子对传统模型进行改进。改进后的模型能根据各像素点的新检测算子信息,自适应选取复原模型中决定扩散强弱的参数,并且利用图像局部信息对正则化项和保真项进行加权。同时在数值实现上,采用一种基于梯度矢量的方向变化的方法来实现散度离散化,以更加有效地保留图像的局部细节信息。数值试验表明,该算法在克服灰度渐变区内的阶梯效应和保留图像的细节边缘方面明显优于传统算法。     

一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法

低剂量CT降低了病人的辐射危害,却导致图像质量下降,医疗诊断难度增加。为了提高CT图像的质量,提出了一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法。一方面,通过对图像边缘的提取,提高去噪中的边沿保护能力;另一方面,采用多次逐步去噪的渐进式滤波策略,在去噪的同时达到有效保护图像细节的作用。此外,求出了整幅图像所有图像块的加权2-范数平方数值之后,计算每次的加权欧氏距离时进行调用,并使用快速傅里叶变换实现非局部相似块的加权欧氏距离计算,大大提高了算法的运行效率。在真实和模拟的低剂量CT图像上进行了实验,结果表明,本文算法不仅可以提高低剂量CT图像的质量,而且能够将算法运行速度提高约3倍。     

PCB导线上下线宽检测算法研究

针对PCB导线的上下线宽的测量,提出了快速而且精确的边缘提取算法。由于采集的显微图像中有很强噪声,一般常用除噪方法很容易破坏图像的边缘信息。采用P-M模型进行除噪,这种方法最大的优点是能够在除噪的同时保护甚至增强图像的边缘;利用Canny算子对降噪图像提取边缘点;最后进行Hough直线拟合。实验证明该方法不仅有很强的抗噪声能力,能够保持边缘信息和测量的精度,并且满足工程测量的实际要求。     

边缘检测算法在污损条码识别中的应用研究

针对污损条码识别速度慢和正确识别率低的问题,提出了利用图像边缘检测算子来提取污损条码的边缘特征并进行识别。分析了常用边缘检测算法的算子特征后,采用Sobel算子进行了条码的边缘检测。针对原算子的不足,提出了一种改进的Sobel算子,改进算子增加2个方向的运算模版,能克服原算子在边缘提取时图像线条较粗等缺陷。仿真实验表明,改进的算子能快速有效地识别污损条码,正确率高达98.5%。     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

基于马尔可夫随机场的快速乘性迭代盲去卷积

提出了一种乘性迭代盲图像去卷积算法,该算法假定被估计的图像与PSF满足MRF模型.除了自动地保持非负性约束外,算法引入了一组新的具有抗噪功能的差分算子,该算子首先加权求和然后进行差分运算.交替最小化方法被用来将盲图像去卷积这一非线性反问题线性分解为交替的图像恢复步与PSF估计步.在交替迭代过程中,考虑到算法收敛较慢,一种称为向量外推的加速方法被采用.数值实验结果表明,本算法能快速地实现对降质的中巴地球资源卫星02B星高分辨率图像的复原,同时有效地保存了图像的细节边缘并抑制了噪声.