改进的P-M扩散方程在相干斑抑制中的应用

直接基于Perona-Malik扩散方程的滤波算法对于加性噪声非常有效,但是对于乘性噪声（如合成孔径雷达（SAR）图像相干斑噪声）收效甚微。提出了一种基于改进的Perona-Malik扩散方程抑制SAR图像相干斑噪声的新算法。分析对数变化对相干斑噪声的影响,为将P-M扩散方程应用于相干斑噪声抑制奠定了理论基础;通过P-M扩散和稳健统计学的联系,建立了基于Biweight Estimator误差模型的扩散系数;同时利用非线性衰减技术对梯度阈值的选择改进。实验表明,该方法不仅有效抑制了SAR图像相干斑噪声,较好地保持了细节和边缘信息,而且视觉效果比较好。     

图像扩散去噪模型的分析与改进

总结与分析了已有图像扩散去噪模型的优缺点。在理论上明确解释了张量型扩散模型的物理意义,通过分析P-M扩散模型的局部扩散行为,提出一个新的扩散系数,进一步给出一个改进的张量型扩散模型。从主观与客观两个方面比较各种扩散去噪模型的效果都不容易,因为需要合适耦合各个模型的参数及数值离散方法等,为此给出了扩散模型统一的数值实现算法,可用来比较各个模型的去噪效果。数值模拟实验的结果表明,改进的扩散模型在有效去除噪声的同时,能很好地对图像中的边缘、角点、纹理等特征进行保护,去噪后的图像有较好的视觉效果。     

改进的各向异性扩散图像去噪算法

图像去噪是图像处理中的重要环节,经典的图像去噪算法,如中值滤波、高斯滤波和加权平均滤波等,去噪效果都不是很理想。传统方法在去除噪声的同时,会使图像的边缘也变得模糊。偏微分方程(PDE)是近年比较流行的图像处理方法,它具有各向异性的特点,在去除噪声的同时,能很好地保持图像的边缘。基于现有算法,提出了一种改进的去噪算法。将传统P-M算子中的固定边缘阈值改为随梯度模变化的自适应阈值,并结合图像结构张量构造一个扩散函数。在图像平坦区,改进的P-M模型具有各向同性的特点,有利于平滑噪声;而在图像边缘处,该模型只沿切线方向扩散,有利于保护图像细节。试验表明,改进的P-M模型能很好地改善图像去噪效果,同时也能很好地保持图像的边缘。     

基于改进的各向异性扩散方程的医学超声图像降噪方法

提出了一种基于各向异性扩散方程的改进方法.通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域.仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法.     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

改进的各向异性复扩散模型的医学图像去噪方法

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.     

单位法向量引导的自适应医学图像分割新算法

水平集方法已经广泛应用于图像分割,ChunmingLi等人早期的模型通过在能量方程中引入惩罚项可以避免重新初始化。但惩罚项中的函数会引起扩散率趋于无穷大的问题,因此ChumningLi等人通过改进惩罚项中的函数,解决了扩散率的问题。针对新模型采用高斯滤波去除图像噪声使图像边缘变模糊的问题,采用正则化的P-M方程滤波,去除噪声的同时保护图像边缘信息。同时,新模型仍然不能实现自适应分割。通过初始曲线内外梯度模值的信息改变曲线内法向量的方向,从而使曲线自适应地向内或者向外演化。最后,用改进的算法准确地提取出了医学图像的轮廓,算法的效率也有很大的提高。     

基于异性扩散模型的图像边缘增强方法

提出了一个能增强图像边缘的异性扩散模型,结合P-M扩散模型和反热扩散模型各自的优点,能在去除图像噪声的同时增强图像的边缘,一定程度上克服了P-M扩散模型对图像边缘的模糊效应和反热扩散模型容易产生虚假边缘的缺点。实验结果表明：提出的模型有很好的去噪和增强图像边缘的效果,其峰值信噪比（Peak Signal Noise Ratio,PSNR）在强噪声水平下,较P-M扩散模型大约提高1 dB。     

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。     

量子衍生PDE医学超声图像去斑

目的 医学超声图像常常受到斑点噪声的污染而导致质量降低,影响后续诊疗.为了解决医学超声图像在滤波去斑的同时保持图像边缘细节和结构特征的问题,借鉴量子力学的基础理论,提出一种量子衍生偏微分方程(PDE)医学超声图像去斑方法.方法 针对传统P-M方程各向异性扩散的自适应去斑能力有限的问题,引入量子理论改进扩散系数增强去斑算法的自适应能力.同时构造出各向异性扩散模型,提出一种量子衍生的偏微分方程医学超声图像去斑方法.结果 通过对模拟斑点噪声污染的图像和真实医学超声图像实验,比较信噪比(SNR)、边缘保持度、结构相似度(SSIM)等客观评价指标,本文方法较其他图像去斑方法更能有效去除斑点噪声,同时又能较好地保持图像边缘细节与结构特征.结论 本文方法能够有效地解决医学超声图像去斑中保持图像细节特征的问题,同时,量子理论的引入也为后续医学超声图像的研究提供了新思路.     

结合局部熵的各向异性扩散模型

Perona-Malik (P-M)模型是一个经典的各向异性扩散模型,该模型不能保持图像的重要细节(如纹理)。针对此问题,文中提出一个结合局部熵的各向异性扩散模型,该模型的扩散系数不仅依赖于图像梯度,也依赖于局部熵描述的局部区域信息。实验表明该模型不仅能有效去除图像噪声,更好保持图像弱边缘,而且能较好地保持图像的重要细节。     

基于偏微分方程与维纳滤波的混合去噪方法

提出一种小波变换与偏微分方程(PDE)结合的混合图像去噪方法,通过窗口改进的维纳滤波处理,运用偏微分综合模型进行二次滤波,其中的偏微分综合模型由2个权重函数将PM方程、方向扩散方程和LLT高阶PDE相结合构建形成。实验结果表明,该混合图像去噪方法能够克服以上3种PDE模型和维纳滤波的不足,增强图像去噪和边缘保护能力,去噪后可得到较好的图像视觉效果,提高算法的效率。     

一种适用于移动节点的事件驱动分簇算法

提出一种适用于移动无线传感器网络节点的事件驱动分簇算法,使用簇头间能量筛选法选举簇头,并加入事件驱动机制,能够使节点在有突发事件发生的情况下,对网络中的簇进行基于事件区域的重组,以减少数据冗余。建立相应的仿真实验模型,对运动节点的分簇情况进行动态跟踪及分析。实验结果表明,该算法能够满足事件驱动分簇的要求,能量消耗比经典算法更均衡。     

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。     

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M（Perona-Malik）扩散的钢轨表面缺陷视觉检测装置,该装置可 自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷. 钢轨图像具有光 照变化、反射不均、特征少等特点,为了在运动过程中 从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进 行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据 缺陷边缘特性和面积进行滤波,分割出缺陷图像. 实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别 率和误检率都能很好地满足要求.     

改进各向异性扩散模型在图像滤波去噪中的应用

为了增强锅炉水位计图像滤波去噪效果,提高图像清晰度,便于后期液位计图像识别研究,通过分析P-M各向异性扩散模型、选择扩散模型及You Yu-Li和Kaveh M四阶偏微分方程的滤波去噪算法,提出了改进各向异性扩散模型滤波算法.所提算法对Perona和Malik两个扩散函数均值化,并引入标准差作为梯度期望值的偏差裕度,结合了P-M各向异性扩散模型保边缘特性的优点,并消除了由于传统各向异性滤波算法迭代过度所造成的阶梯缺陷问题,确保图像有用信息不缺失和像素点平滑度.实验结果表明:所提算法能够更好地降低噪声对目标信号提取产生的影响,提高了图像识别鲁棒性,增强了图像平滑滤波效果,保证了锅炉水位计图像边缘清晰度和完整性.     

各向异性的均衡化网状扩散模型

利用抛物型偏微分方程进行图像去噪与增强是图像处理领域的热门研究课题之一,既有的扩散方程通常会带来边缘平滑,以致图像变得模糊。在各向异性扩散的基础上,采用均衡化网状扩散模型,外加调整项与约束项,对图像进行降噪处理,且同时增强对象边缘、强化图像结构。利用该模型,设计了显式的离散计算方案,并进行了实验。实验结果表明,该网状扩散模型的处理效果比既有的方法更好。     

基于网状扩散的图像去噪与边缘增强

利用抛物型偏微分方程进行图像去噪与增强是图像处理领域的热门研究课题之一,但既有的扩散方程通常会带来边缘平滑,以致图像变得模糊。在各向异性扩散的基础上,采用均衡化网状扩散模型,外加调整项与控制项,对图像进行降噪处理,且同时增强对象边缘、强化图像结构。利用该模型,设计了显式与隐式的离散计算方案,并利用显式方案进行实验。实验结果表明,与既有方法比较可知,该网状扩散模型的处理效果更好。最后,论述了该模型的不足之处与可改进的方向。