数字媒体图像多特征反差增强方法仿真

由于图像在生成的过程中会有相对的噪声产生,而噪声会直接影响该图像中的多特征信息,导致信息表达不完全等情况。基于此提出了数字媒体图像多特征反差增强方法。首先将需要对受噪声污染的图像进行去噪;其次运用偏微分方程(PDE)方法,构建出一种PDE数学模型-TV模型,在对图像去噪的同时,保持原图像的边缘轮廓信息,并且运用Split Bregman算法,并引入辅助变量转换出分段线性函数的泛函极值;在偏微分方程的基础上,运用改进后的反差增强方法,根据直方图的均衡化结果利用累积分布函数的方法,来当做图像灰度的变换函数,以达到合理的调整固定动态范围,且让图像整体视觉效果增强、提高图像中多特征信息的目的。通过仿真结果可以得知,提出的方法可以处理图像中噪声的影响,并且可以将图像中的多特征信息进行有效的反差增强处理,且具有直方图均衡化结果优秀、图像特征增强效率的优点。     

基于PDE的图像去噪方法

针对P-M非线性扩散模型以及自蛇模型对图像滤波的不足,为了充分利用两种模型各自的优势,提出了一种新的基于自蛇模型与P-M扩散模型相混合的去噪方法,同时在其扩散方程中添加了忠诚项,这样噪声去除与边缘保留就可以得到一个较好的效果。最后实验结果表明,该方法既能有效去除图像噪声,也能很好地保持图像的边缘等细节信息。     

小波变换和变分PDE相结合的图像去噪算法

为了更好地恢复图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像去噪算法。该算法的思想是先构造一个用带有韦伯心理学的范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到还原图像。与传统的直接求泛函最小化的问题有区别,该算法是用变分的思想再结合小波变换进行图像去噪。小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得新算法具有运行时间短、速度快的特点。理论分析和实验仿真表明,该算法能达到比单一方法更好的恢复效果。     

基于方向四阶偏微分方程的荧光显微图像去噪

荧光显微图像由于光学成像系统的自身物理缺陷,光电转换,样本组织结构以及人为误差等因素的影响,噪声无法避免,为此,一种基于方向四阶偏微分方程的荧光显微图像去噪方法被提出,主要考虑两个方面,一是基于变分方法,二是控制滤波模型的扩散方向。在人工合成和真实荧光显微图像上进行的实验结果表明,同传统二阶偏微分方程扩散模型相比,应用所提出的方法进行去噪,不管是主观视觉,还是客观评价,均表现出了更好的性能。     

对称四阶偏微分方程去噪算法

通过分析整体变分模型的去噪原理和效果,提出一个新的四阶偏微分方程去噪模型,用于克服二阶偏微分方程去噪后使图像分块的缺点,同时保持去噪后图像的高保真性,并发展一个基于四邻域系统的对称离散化算法用于求解新模型,应用中值滤波去除四阶偏微分方程去噪所引起的亮点。实验结果表明,与传统方法相比,以该算法去噪后的图像具有更好的质量和视觉效果。     

基于PDE图像去噪方法

基于PDE的非线性扩散滤波对接近高斯分布的噪声消除可取得好的效果，但对于脉冲噪声其效果并不理想。从Perona&Malik模型的扩散系数函数出发，对其函数性质进行分析。通过改进扩散系数函数中的边缘阈值，使其能在消除高梯度图像噪声的同时更好地保持边缘，在一定程序上克服了边缘保持与噪声消除之间的矛盾。     

PDE模型在声纳图像去噪中的应用研究

偏微分方程方法在光学图像去噪中已有很多成功的应用,但用于声纳图像去噪的情况还不多见。针对声纳图像受噪声污染严重的问题,将偏微分方程原理引入到声纳图像去噪中,重点讨论了两种偏微分方程模型:ROF模型和四阶扩散模型。基于这两种模型对声纳图像进行去噪处理,仿真实验证明了偏微分方程去噪算法的有效性,并对比分析了两种模型的去噪性能。ROF模型适用于低信噪比条件下的声纳图像处理,而四阶扩散模型在高信噪比条件下,能够很好地保持图像边缘,但当噪声污染严重时,其去噪后的SNR比ROF模型去噪低了近10 dB,不利于声纳图像处理。     

高阶PDE模型中的松弛中值图像去噪方法

针对平均曲率极小化模型在去噪过程中产生斑点的问题,提出了一种平均曲率和松弛中值滤波结合的迭代算法。首先,使用平均曲率模型对噪声图像处理,根据局部方差信息,利用阈值确定斑点的位置。其次,利用具一定边界保持性质的松弛中值滤波器消除斑点噪声。最后,为更有效地消除斑点,在每一次随着时间的迭代后都使用松弛中值滤波。对曲线和图像进行去噪仿真实验,结果表明,相对于平均曲率模型,本文算法在客观指标和主观视觉效果上均有更好的去噪效果和更低的时间复杂度。     

基于拉普拉斯算子和图像修补的图像去噪算法

通过分析偏微分方程(PDE),设计了基于拉普拉斯算子和图像修补的图像去噪算法用于处理被噪声污染的图像：ROF调和拉普拉斯(RHL)算法和ROF调和修补(RHI)算法。通过分析图像的局部特征,结合ROF模型在处理图像时具有边缘保护能力,调和模型在处理图像平滑区域时能够避免产生“阶梯效应”和拉普拉斯算子具有增强细节信息的特点,设计了RHL算法;在RHL算法的基础上,结合基于PDE的图像修补模型设计了RHI算法。实验结果表明,设计的RHL算法和RHI算法既克服了ROF模型、调和模型在去除图像噪声时的缺点,又结合了两者的优点,与其他基于PDE的算法相比,在去除图像噪声、处理图像平滑区域、保持图像边缘细节信息方面都有较好的性能。     

格子波尔兹曼方法的医学图像同步去噪增强算法

格子波尔兹曼的理论基础为分子动理学和统计力学,具有算法简单高效,执行速度快,易于并行处理等优点,近年来成功地应用于图像处理领域.本文针对医学图像反差较低且包含噪声污染的特点,通过设计分段线性拉伸函数作为格子波尔兹曼方程的外力项,实现医学图像的同步去噪和反差增强.同时构建基于TV下降流的PDE反差增强模型与本文的方法进行对比,实验表明,本文的方法处理效果优于TV下降流对应的效果.     

基于离散小波阈值的偏微分图像去噪

小波方法和偏微分方程方法是图像去噪中的主要方法。该文提出基于离散小波变换对图像进行阈值去噪,得出了小波阈值的偏微分方程表示形式,在此基础上研究偏微分方程的解法,采用分数步的小波阈值方法对图像去噪,得到了较好的去噪效果,同时可以保护边缘。数值试验结果表明,该方法具有比小波方法更好的去噪效果,能获得较高的信噪比。     

基于矢量扩散控制的图像同步去噪增强方法

在图像获取过程中,常得到含有噪声和对比度较差的图像,为更好地去除图像的噪声与增强对比度,提出一种基于矢量扩散控制的图像同步去噪增强方法。分析全变分(TV)模型的构造,指出其存在的问题,通过引入矢量扩散控制的方式改造该模型的后项,更好地控制扩散在图像边缘处的粒度。给出限制对比度自适应直方图均衡的微分模型结构,并与改进后的TV模型融合实现图像的同步去噪与反差增强。通过2组实验从成像质量和灰度分布上比较处理结果,验证该方法的有效性。实验结果表明,该方法不仅较好地解决了TV模型在去噪过程中出现的阶梯效应,而且能够改善图像对比度,提高图像的质量。     

加强的低秩表示图像去噪算法

由于低秩表示（Low-Rank Representation,LRR）模型中核范数对非零奇异值的估计不足,所以利用参数化的非凸惩罚函数来估计非零奇异值,同时结合全变差（Total Variation,TV）范数保持图像边缘信息和加强区域平滑性的能力,通过对LRR模型中的系数矩阵施加TV范数约束,提出了一个新的图像去噪算法,并且采取交替最小化方法求解对应模型。利用图像的内在非局部自相似性先验,所提算法能够在有效发现和移除噪声的同时,增强恢复图像的结构和区域平滑性,提高图像的恢复质量。实验结果表明,与其他去噪算法相比,无论是客观评价还是视觉效果,所提算法都实现了具有竞争力的去噪表现,特别是在噪声强度较大时。     

基于偏微分方程的图像平滑处理技术

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征,而基于偏微分方程(PDE)的各向异性扩散算法在抑制噪声的同时能够保持这些特征。研究基于PDE的图像去噪平滑算法并对PDE算法的不足作出改进,将其用于图像去噪处理效果非常理想,并在精密光学元件表面疵病识别的实验中取得较好的效果。     

基于耦合偏微分方程的图像去噪方法

本文基于Perona-Malik模型和四阶偏微分方程提出了耦合偏微分方程的平滑方法。实验表明,该方法能很好兼顾图像噪声消除和边缘保持,避免了二阶偏微分方程处理图像常出现的块效应,使图像平滑自然。     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于L_p范数的自适应偏微分方程图像处理模型,改进了Tony Chan的TV变分模型和张红英的p-Laplace模型.TV模型对图像采用全局约束,而新的扩散方程在图像不同的位置上采用不同的约束,具有局部自适应的特性,在扩散的同时更好地保持了图像的边缘信息,进而将其应用到图像恢复(去噪,去除模糊)中去.实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。