一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

干涉相位图的各向异性扩散方程滤波算法

该文提出了一种基于各向异性扩散偏微分方程抑制干涉合成孔径雷达(INSAR)相位噪声的算法。该算法给出了一种新的基于实数域干涉相位的扩散系数表达式,利用干涉相位图的局部统计特征,在干涉复图像中的均匀区域各向同性扩散,边缘区域各向异性扩散。试验结果表明,该算法在抑制干涉相位噪声的同时保持了条纹边缘细节信息,处理后的相位可以顺利展开。     

一种新的各向异性扩散SAR相干斑抑制算法

该文提出了一种基于各向异性扩散偏微分方程以及鲁棒估计的合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑噪声的算法.该算法利用SAR图像局部特性和鲁棒估计,建立了一种新的扩散系数,对均匀区域进行各向同性扩散,对边缘细节区域进行各向异性扩散,不仅可以有效抑制SAR图像的相干斑噪声,较好地保持边缘细节,而且处理所得的图像结果有着良好的视觉效果.     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

避免颜色越界的各向异性扩散图像彩色化

图像彩色化是根据人工描绘的局部初始颜色用计算机为灰度图像着色。该文提出一种各向异性的非线性扩散图像彩色化方法,该方法能够克服颜色越界问题。首先建立基于偏微分的扩散方程,通过设置自适应的张量函数,使颜色在平滑区域快速均匀扩散,在颜色交界处按各向异性方式扩散,能够有效增强边缘颜色的连贯性。算法采用有限差分法实现扩散方程的数值求解,与当前流行的彩色化技术相比,该方法能得到更加清晰自然的彩色化图像和更高的图像质量。     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

基于视觉感知和边缘保持的光照不变人脸识别

提出一种具有视觉感知特性和边缘保持特性的光照不变人脸识别方法.方法在各向异性扩散算法基础上引入视觉感知机制,提出具有视觉感知特性的图像梯度替代传统的图像空间梯度,使算法更符合人类视觉系统特性;同时,考虑到传统各向异性扩散算法采用的传递系数受参数影响较大,易产生明显的边缘锐化现象,提出一种新的传递系数,该系数不受参数影响,能够始终保持良好的边缘保持特性.新方法所获的光照不变人脸图像保持了良好的边缘,并极大程度上消除了光晕和白斑现象.在EYaleB和CMU PIE人脸图像库上的实验验证了该方法的有效性.     

复数域非线性扩散滤波在图像处理中的应用

图像处理中去噪和边缘保持是一对矛盾体,去噪滤波经常会失去高频部分的信号,而边缘信息主要以高频信息为主.考虑了一种新的方法——复数域非线性扩散方法,该方法通过结合自由薛定谔方程将传统各向异性扩散方程拓展到复数域,复数域实部信号可以很好地滤波,将复数域扩散项虚部加入shock滤波器,该方法克服了传统的边缘检测方法边缘保持能力差的缺点.试验结果表明:该算法具有良好的抗噪性和边缘细节的保持性,边缘检测效果良好.     

一种基于核函数的各向异性扩散图像去噪算法

分析了各向异性扩散去噪模型优缺点,针对PM模型不能有效区分噪声和边缘,提出了一种基于核函数的各向异性扩散去噪模型。在该模型中,把图像中噪声与边缘在低维空间的非线性区分关系转变为高维特征空间的线性关系,利用核函数获得高维空间的扩散函数。实验中分别与PM模型、Cattle模型比较分析,证明基于核函数的扩散模型在去除噪声的同时,更好地保留图像的信息,且峰值信噪比最高,去噪性能最优。     

利用规则化热扩散方程的SAR图像桥梁检测

提出了一种利用规则化各向异性热扩散方程SAR图像分割的桥梁检测算法.该算法在Pemna和Malik提出的各向异性热扩散方程的基础上构造了一个新的扩散函数,利用数值逼近理论,得到一个新的规则化扩散模型,用此模型对图像初始分割的最大后验概率矩阵进行多尺度各向异性平滑,得到图像中河流的精确分割结果,最后在分割后的图像中按累加方向能量最小准则进行桥梁目标检测.真实数据实验结果表明,该方法能有效地抑制强斑点噪声,快速、精确地检测出SAR图像桥梁目标,同时保持桥梁的结构信息.     

Image segmentation and inpainting using hierarchical level set and texture mapping

Image inpainting is an artistic procedure to recover a damaged painting or picture. We propose a novel approach for image inpainting by using the Mumford-Shah (MS) model and the level set method to estimate image structure of the damaged regions. This approach has been successfully used in image segmentation problem. Compared to some other inpainting methods, the MS model approach detects and preserves edges in the inpainting areas. We propose a fast and efficient algorithm that achieves both inpainting and segmentation. In previous works on the MS model, only one or two level set functions are used to segment an image. While this approach works well on simple cases, detailed edges cannot be detected in complicated image structures. Although multi-level set functions can be used to segment an image into many regions, the traditional approach causes extensive computations and the solutions depend on the location of initial curves. Our proposed approach utilizes faster hierarchical level set method and guarantees convergence independent of initial conditions. Because we detect both the main structure and the detailed edges, our approach preserves edges in the inpainting area. Also, exemplar-based approach for filling textured regions is employed. Experimental results demonstrate the advantage of our method.     

一种基于TV模型的自适应图像修复方法

图像修复是数字图像处理的重要内容，可用于被损坏的图像和视频修复、视频文字去除以及视频错误隐藏等。基于TV模型的修复方法有较好的恢复效果，但对参数的选取比较敏感，且运算量较大。本文提出了一种基于TV模型的自适应图像修复方法，与原方法相比可以有效提高该算法的稳健性，并能显著的减少运算时间。     

一种基于Poisson方程的分离型图像修复方法

图像修复是一种恢复图像中损坏部分的技术,具有广泛的应用.基于采样复制的修复方法对纹理图像有较好的效果,但容易产生块效应,而且对结构信息的修复可能产生较大的偏差.本文提出了一种基于Poisson方程的分离型修复算法,首先将原图分解为结构图像和纹理图像两部分,然后根据其特件分别进行修复,叠加后得到最终的修复结果.对结构图像使用Laplacian算子强化结构信息,然后对Laplacian场进行修复并使用Poisson方程重建,可以同时保持锐利的区域边界以及平滑的区域背景.实验表明该方法可以有效改善修复的视觉效果,对大区域修复也有良好的表现.     

采用图像修复的基于深度图像复制

在传统的基于深度图像复制(DIBR)的基础上提出一种基于图像修复的DIBR方法,将预处理深度图像和图像修复算法相结合来填补三维图像映射后的空洞。与传统方法相比更加灵活,本文方法仅需传输一路参考图像序列,从而有效降低DIBR系统的传输带宽。实验结果证明,本文所提出方法是有效的。     

基于Navier-Stokes方程的视频去隔行方法

随着技术的发展,常需将已有的隔行视频转换成高质量的逐行视频。本文提出一种基于Navier-Stokes（N-S）方程的视频去隔行方法。将基于N-S方程的图像修复模型应用到视频空间,由理想三维流体方程,建立视频的局部约束条件;然后,根据其各向异性特征,导出单个像素点的修复方程;最后,通过对隔行视频间隔区域的逐点修复,实现视频去隔行。实验表明,本文方法能够较好的抑制运动虚像和边沿锯齿。      

基于图像修复的图像编码技术

数字图像修复技术是图像恢复领域的一个重要分支,它的目的是根据图像现有的信息来自动恢复丢失的信息,它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。结合数字修复技术的图像压缩编码技术是基于对象的第二代图像编码中的研究热点之一。这里首先介绍了图像修复技术的概念,然后分类说明了几种常见的修复技术,在此基础上,得到了基于图像修复的压缩编码技术的基本处理流程,最后以具体算法为例说明了基于图像修复的压缩编码技术的压缩过程。     

基于样本和线性结构信息的大范围图像修复算法

基于纹理的图像修复算法对于修复破损区域比较大的图像效果较好,但该算法对于含有结构信息的图像修复效果很差.通过新的优先项的计算、平均值补偿及增加惩罚项提高传统的基于样本的图像修复算法的修复效果,结合图像中常出现的直线和曲线结构特征,提出了基于样本和结构信息的大范围图像修复算法.实验表明,该算法易于实现,修复结果能达到令人满意的效果,具有较高的实用价值.     

基于自适应模板和置信度更新的图像修复算法

去除图像背景中的部分目标,是图像修复技术应用之一。为了修补去除目标后留下的大面积空白区域,文中在基于样本图像修复方法的基础上,引入了自适应思想。首先利用Canny算子检测图像的边缘,再根据图像边缘特征自适应地改变模板块的大小;为了避免误差的累积传递,提出了新的置信度更新方法,使更新后的置信度与累积误差成反比。实验结果证明,文中方法比原方法能更好地修复图像边缘、复杂纹理,并且保留边角,使效果更自然。     

基于三通道多小波紧标架的图像曲率修复模型

为解决正交小波域图像修复方法的现存小波 系数不能提供丢 失小波系数的充足信息问题,将曲率修复(CDD)模型扩展到非正交小波域,提出一种新的基 于三通道多小波 紧标架的图像CDD模型。进一步考虑到CDD模型的等照度线是按照直线连接的问 题,提出了一种新的CCD模型。新模型的修复在两个方向上进行,在法向上按照改进的曲率 函数进行修复, 在切向上实现输运机制。新模型结合了多小波紧标架分解技术和改进的CDD模型的 优势,利用标架域中 小波系数之间具有的冗余性对缺损的信息进行弥补,对现有CDD模型进行改进。给出了 有效的split Bregman 仿真算法,并采用不同的图像进行了仿真。实验结果表明,新模型对大面积缺损修复及噪声 抑制都具有良好 的修复效果,即使在大量小波系数丢失的情况下,也能保持图像的边缘结构等几何特征,大 大的改善修复质量。     

遮挡情况下的数字图像修补技术研究

在遮挡情况下,首先将抠像技术应用到目标物的提取过程中,然后使用图像分割的方法实现修补的目的。在基于全自动前景目标提取算法的基础上对抠像技术作了改进,移除遮挡物,提取出背景图像以便于进行修补工作。然后提出了基于模糊C均值聚类结合边缘检测的图像修补方法。实验结果表明,该算法能较好地修补受损区域。