基于自适应阈值参数的改进各向异性扩散模型

针对传统的各向异性扩散PM模型在对图像去噪时会产生阶梯效应,并且会丢失细节的问题,提出了一种改进的各向异性扩散IPM模型.该模型用梯度模、局部方差以及基于差分曲率的自适应边缘阈值参数构造了新的扩散系数,在边缘、细节、平坦区域进行不同强度的扩散.实验结果表明,IPM模型在去噪的同时不仅能有效保持边缘、细节等信息,还能克服阶梯效应,与其他基于偏微分方程的图像降噪算法相比,信噪比(SNR)、峰值信噪比(PSNR)和平均结构相似度(MSSIM)都得到了提高.     

基于四阶PDEs和对比度增强的荧光显微图像去噪

提出一种用于荧光显微图像去噪扩散模型的算法。该算法针对二阶偏微分方程去噪模型易引起的"块效应"和伪边缘等问题,采用正则化方法,利用四阶偏微分方程,同时融合对比度增强技术设计去噪模型。与二阶偏微分方程扩散模型相比,该算法不仅使去噪图像看起来更加自然清晰,而且在峰值信噪比和结构相似度等客观评价方法下也取得了更加满意的结果。     

二阶TGV结合小波变换模的图像去噪算法

研究了总变分(total variation,TV)模型在图像去噪中的应用,针对TV正则化模型在图像去噪过程中容易导致阶梯效应的缺陷,提出利用二阶总广义变分(total generalized variation,TGV)正则项代替TV正则项的图像去噪模型,并利用小波变换模极大值在检测图像边缘应用中的优点,在TGV正则化模型中引入以小波变换模为参数值的边缘检测函数,利用边缘检测函数引导扩散。该模型具备良好去噪和保持图像边缘的优点,还能缓解阶梯效应的产生。     

基于空间分数阶偏微分方程的图像去噪模型研究

为了在获取更高信噪比的同时更多地保留图像边缘和纹理等细节信息,将分数阶微积分理论和偏微分方程方法有效结合,构建了基于空间分数阶偏微分方程的图像去噪模型,并利用分数阶微分掩模算子来实现去噪模型的数值计算。该去噪模型通过引入以分数阶梯度模值为参数的边缘停止函数并选择合适的分数阶微分阶次,由此能够在一定程度上解决传统去噪模型存在的不足之处。实验结果表明,基于空间分数阶偏微分方程的图像去噪模型较传统的去噪模型不仅可以提高图像的信噪比,而且可以更好地保留图像边缘和纹理等细节信息。     

基于边缘增强和快速非局部均值的边缘图像去噪

针对全变分模型不能很好的保持图像边缘信息这一问题,有学者提出了基于边缘定向增强扩散模型,但该模型对图像细节处理不够.快速非局部均值(Fast Non-local means, FNLM)算法利用图像的自相关性与结构信息的冗余性,提高了去噪效果,但不能同时最大限度保持图像边缘信息又抑制平坦区域噪声.由于通过利用结构张量性质,可获取图像的边界、拐角、纹理等重要信息,本文引入结构张量改进边缘定向增强扩散模型,保持了图像边缘,并在此基础上提出了一种基于边缘增强和快速非局部均值的边缘图像去噪模型.该模型通过选取不同的边缘增强正则化参数,根据图像扩散幅度不同,获取带有纹理及噪声的边缘图像;然后对该边缘图像进行FNLM去噪,即过滤出图像原有的纹理结构信息;最后将之反馈到之前的边缘增强去噪图像中.实验结果表明,该方法不仅能够保留较多的纹理细节信息,而且很好的缓解了图像平滑和细节保持的矛盾.     

用于图像复原的二阶与四阶结合的偏微分方程滤波

针对目前现有的用于图像复原的二阶偏微分方程滤波和四阶偏微分方程滤波的不足之处,提出了一个二阶偏微分方程滤波和四阶偏微分方程滤波相结合的非线性滤波.该滤波充分利用了二阶滤波保持边缘和四阶滤波在平滑区域去除阶梯效应的优点,能够在恢复的图像中保持边缘和避免阶梯效应.数值实现结果表明:该模型的去噪效果好,而且还具有较快的收敛速度.将实验结果与其他二阶和四阶模型相比,恢复的图像质量较高,体现了该模型在图像复原上的有效性.     

改进的偏微分扩散方程图像增强方法

通过改进P-M扩散系数和融入相干增强扩散改善了传统的P-M模型,使得裂缝图像非边缘处以改进后的P-M扩散为主,在边缘处以相干增强扩散为主,达到了对裂缝图像去噪和增强的目的．理论分析和仿真实验表明,提出的方案较传统的P-M模型能使地面图像的特征得到更好的保护,使裂缝更加明显,利用该方法对裂缝图像进行预处理后,提高了路面裂缝目标检测的准确性,体现了该方法的优越性．     

运用拓扑优化和分数阶扩散的图像去噪方法

针对目前经典的图像去噪方法去掉图像噪声的同时使边缘变得模糊这一局限性,提出了一种利用拓扑导数和分数阶扩散的图像去噪方法.基于拓扑优化的思想,以拓扑导数为指标,提取边缘点,并在边缘点处选取最优的各向异性扩散系数.利用对时间的分数阶扩散方程对图像扩散.本文确定扩散系数的方法具有全局性的特征.数值实验证明,算法能有效地去除图像中的噪声,并能很好地保留图像的边缘等细节信息.因此将分数阶扩散方法与拓扑优化思想相结合能获得很好的图像去噪效果.     

基于非线性扩散方程的改进全变分去噪模型

针对传统的全变分(T V)模型因参数选择敏感,导致去噪图像容易在平滑区域产生"阶梯效应"或者虚假边缘的情况,提出一种基于非线性扩散方程的改进全变分去噪算法.在传统的TV算法基础上,提出了一种针对参数的自适应迭代函数,结合P-M算法的非线性扩散方程,使本算法在迭代初期可以看作各向同性去噪模型,有效去除"阶梯效应",随着迭代次数的增加,此模型为各向异性去噪模型,在去除噪声的同时,有效保护图像的边缘细节.实验结果表明,去噪过程中,该算法在扩散系数和自适应迭代函数的共同作用下,消除了阶梯效应和虚假边缘,相比传统TV算法提升了图像3 dB的峰值信噪比(PSRN)和视觉效果.基本满足图像预处理要求.     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

一种非局部扩散的图像修复模型

利用非局部算子的定义,提出了一种新的非局部扩散的修复模型．该模型在扩散的过程中充分利用了图像的全局信息对损坏的区域进行修复,克服了偏微分方程模型在修复图像时产生的模糊和不能很好地保护图像边缘及纹理的不足． 实验结果表明,该模型是行之有效的．     

基于结构张量场拟合的图像恢复方法

提出了一种新的图像恢复模型.首先对含噪图像进行各向异性扩散,求得光滑后图像的张量场,然后对求得的张量场和噪声图像进行拟合重构.从而克服了各向异性扩散和结构张量的缺点.数值实验表明,本模型在降低图像噪声的同时,能够更好地保留图像的边缘和纹理.     

绝对差值排序的全变分低剂量CT重建算法

针对传统全变分(Total Variation,TV)低剂量CT(Computed Tomography,CT)算法在重建图像时出现阶梯效应和模糊图像边缘的问题,提出了基于绝对差值排序(Rank-Ordered Absolute Differences,ROAD)和中值先验(Median Prior,MP)模型的TV低剂量CT重建算法.首先采用ROAD对传统TV模型中的扩散函数进行改进,然后将改进后的TV模型与MP模型结合得到新的惩罚项,最后将该惩罚项应用于基于惩罚加权最小二乘重建算法从而构造新的目标函数.实验结果表明,新算法不仅可以抑制阶梯伪影的产生,还能够很好地保留图像边缘细节信息.     

一种基于微小区域的TV双调和型偏微分方程图像修复方法

针对具有微小缺失或破损的图像修复问题,基于变分和偏微分方程理论基础提出一种TV双调和偏微分方程图像修复方法。该模型在Sobolev对偶分布空间H~(-1)(Ω)上考虑一个变分问题,它的Euler-Lagrange方程是一个与多孔介质方程相关的非线性双调和椭圆扩散方程。首先,将方程归结为一个最小化问题,再利用双调和椭圆边值问题得到Euler-Lagrange最优条件下的广义解,最后采用尺度空间的稳态解和最小二乘法进行数值模拟,从峰值信噪比、平均结构相似度和视觉效果等3方面对模拟实验的图像进行评价。该模型允许观测图像f可以不是标准L~1函数,而是H~(-1)分布或测度,因此,适用于修复一组任意小的带条或者像素有限点集。该算法充分利用现有像素的邻近信息,对3种非纹理类型的具有较小或较细缺损的图像修复效果有所改进,数值实验也说明这种方法在修复过程中,明显保护了边缘特征、有效避免了阶梯效应,提高了视觉质量。     

带Besov忠诚项的图像去噪变分模型

对基于Besov空间的图像去噪模型,利用Besov空间B12,2与Sobolev空间H1的等价关系,引入用Besov模刻画梯度变化的忠诚项,从而得到一类新的图像去噪变分模型.给出了相应的基于小波的数值算法,不需要处理非线性偏微分方程,是一种高效的快速算法.数值实验表明新模型能够获得很好的去噪效果,同时还能够保持图像的边缘和细节.     

基于局部结构信息的自适应混合变分模型

首先从各向异性扩散的角度分析了调和模型和全变分模型的不足,并利用结构张量信息,提出了一种加权型的混合变分滤波模型.该模型可以根据图像的局部结构特征自适应选取扩散系数,在图像平坦区域,具有各向同性扩散,而在图像边缘,则只沿着切向扩散.该模型兼顾了调和模型和全变分模型的优点,能在去噪的同时有效保护边缘细节.仿真结果表明,该模型比其它几种变分模型在同等测试条件下具有更好的客观性能评价,尤其是迭代次数更少.     

基于总变分与小波变换的图像去噪算法

针对标准的ROF模型在去噪时边缘信息对噪声敏感且易模糊的缺陷,提出了一种改进的图像去噪新方法．在新算法中引入各向异性的扩散函数,并利用小波变换的模替代梯度算子的模来检测图像的边缘,从而使新模型具有很好的鲁棒性并根据图像的特征进行平滑,因而更好的保护边缘信息．数值实验表明,新算法使峰值信噪比平均提高约1.5dB,在视觉效果上也有很大改善．     

用于图像去噪的一个四阶偏微分方程

用偏微分方程给图像去噪，传统上方程都是二阶的，Yu-Li和M.Kaveh提出的一个四阶偏微分方程，在去噪的同时，更好地保持并近似了图像的边界，但Yu-Li和M.Kaveh所提出的偏微分方程对椒盐噪声却无能为力，并且容易造成光滑区域不平整的现象，针对这个现象，作者修改Yu-Li和M.Kaveh方程中的一个扩散项的系数，得到了一个去噪效果更好的方程，并且可以消去椒盐噪声。     

基于偏微分方程的条码预处理

由于受到条码采集设备的限制,图像中经常混有很多噪声,导致出现误码.引入了基于偏微分方程(PDE)的Perona-Malik模型,并对Perona-Malik模型的缺点进行了算法改进,给出了一种针对条码图像去噪的方法.通过合理地设计和选择参数,得到了比较令人满意的结果.     

基于小世界模型和图论的图像去噪

提出了一种基于图论的偏微分方程(PDE)图像去噪方法。在构造图的拓扑结构过程中,引入了小世界模型,降低图的直径,加快算法的收敛速度。同时,评估了图的权重函数中最优参数的选取。最后,用图的拉普拉斯矩阵和图上的热扩散方程实现图像的去噪。仿真实验结果表明,本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能和算法收敛速率上优于其它的PDE去噪方法。