改进的二阶总广义变分图像前后景分割模型

针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平滑区域增强扩散,有效地消除噪声。为突出前景信息,用矩形框标出图像的前景信息,对框内部、外部和边缘的像素做距离映射,并根据能量最小化原则,在二阶TGV模型的数据项中引入此距离映射函数,使模型总能量更小。最后,提出了一种有效的原始对偶分割算法来求解模型。实验表明,新模型不但能够去除阶梯效应现象,保持图像的边缘信息,还使得模型总能量更小,分割得到的图像视觉效果更好。     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.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,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

改进的二阶总广义变分图像去噪算法

为了有效地去除含噪图像中的噪声,克服总变分（TV）去噪易于导致阶梯效应的缺陷,提出了一种改进的二阶总广义变分（TGV）的图像去噪方法。介绍了二阶TGV的理论基础,在二阶TGV中引入了各向异性扩散张量,利用张量函数引导扩散,获得了新的去噪模型,最后提出了一种扩展了的原始-对偶算法对新模型进行数值求解。新模型充分结合了二阶TGV作为正则项自动平衡了一阶和二阶导数项,以及张量函数的各向异性扩散,有效突出边缘结构的特性。实验结果表明,该方法在有效地去除含噪图像中噪声的同时,避免了阶梯效应,增强了对原始图像中边缘结构的保持。     

基于广义Huber-MRF图像建模的超分辨率复原算法

超分辨率图像复原是当今一个重要的热门研究课题.鉴于双边滤波优良的噪声抑制性和鲁棒的边缘保持性,提出一种双边滤波导出的广义MRF(Markov random field)图像先验模型.广义MRF模型不仅继承了双边滤波在阶数大邻域中的双重异性加权机制,且简洁地建立了双边滤波与Bayesian MAP(maximum a posterior)方法之间的理论联系.同时,由广义MRF模型导出了一种各向异性扩散PDE(partial differential equation)的改进数值解法.随后,在MRF-MAP框架下分别考虑高斯噪声和脉冲噪声两种情形,提出一种基于广义Huber-MRF模型的超分辨率复原算法,理论上保证具有严格全局最优解,并且利用半二次正则化思想和最速下降法求解相应的最小能量泛函.不论是视觉效果方面,还是峰值信噪比(PSNR)方面,实验结果都验证了广义Huber-MRF模型在超分辨图像复原中具有更强的噪声抑制性和边缘保持能力.     

基于多种正则化的改进超分辨率重建算法

为了解决超分辨率图像重建过程中无法同时降低平滑区域噪声和保持图像细节的问题,结合改进的非局部变分（NLTV）和全变分（TV）正则项方法提出一种新的超分辨率重建算法。首先,根据图像重尾分布特性,结合高斯分布、拉普拉斯分布及柯西分布改进了传统NLTV正则项系数,提出了改进的ANLTV正则项。然后利用ANLTV正则项基于分裂Bregman算法重建了初始的高分辨率图像。最后结合TV正则项对重建的高分辨率图像进行去模糊操作,进而得到最终的超分辨率图像重建结果。为验证所提算法的性能,分别利用该算法与传统的TV和NLTV算法进行超分辨率图像重建并对比。实验结果表明,所提出的方法相比于传统的TV和NLTV重建算法,其峰值信噪比、信噪比和结构相似度均有所提高,能够同时满足超分辨率图像重建过程中抑制噪声和保持边缘细节的需求。     

含脉冲噪声模糊图像复原的自适应二阶变分模型 *

针对经典的基于L1数据保真项的总变分图像复原模型易导致阶梯效应和损失图像重要细节的缺陷,提出了一种基于L1数据保真项的二阶总广义变分(Total Generalized Variation, TGV)图像复原模型。为进一步提升含脉冲噪声模糊图像复原质量,在二阶TGV图像复原模型中引入边缘检测算子,使其在图像边缘区域减弱扩散,较好地保护图像边缘特征;在图像平滑区域增强扩散,有效地消除脉冲噪声和抑制阶梯效应。为稳定地复原降质图像,采用交替方向乘子法求解二阶变分模型。实验结果表明,提出的图像复原模型在消除噪声和模糊的同时,能成功抑制阶梯效应并保留图像的边缘结构特征。相比经典的图像复原模型,新模型在信噪比、相对误差和结构相似度等方面均取得了较好的图像复原效果。     

基于非局部总广义变分的图像去噪

针对全变分(TV)模型在去除图像噪声时容易产生阶梯效应的缺点,将二阶总广义变分(TGV)作为正则项应用于全变分模型中可以有效地去除阶梯效应,并且还能够更好地保持图像边缘纹理结构;利用非局部均值滤波算法的思想来构造非局部微分算子,将非局部微分算子应用于总广义变分模型中,综合提出了一种基于非局部总广义变分的图像去噪新模型。新模型充分利用了图像的全局信息进行去噪。实验结果显示了该模型的有效性和优越性。     

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法.引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理.并研究了本文算法在不同退化程度下的用户响应.测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎.     

基于曲率差分的自适应全变分去噪算法

针对整体变分（TV）修复模型易受到梯度的影响而且常常会丢失图像细节信息的缺点,提出了一种基于曲率差分的自适应全变分去噪算法。在联合非线性各向异性扩散滤波器和冲击滤波器对含噪图像做预处理的基础上,通过自适应方式调节正则项和保真项的权重系数,该算法能同时兼顾边缘保留和图像平滑去噪。仿真实验结果表明：与现有的去噪算法相比,该算法在不同强度的脉冲噪声下可以将峰值信噪比提升14%以上,同时将归一均方误差降低43%以上。     

基于图的数字全变差模型及其带噪图像任意精度放大

分析了利用Sobolev空间Tikhonov正则化模型对带噪图像进行放大的不足，基于图像的修复模型，提出带噪图像放大的数字全变差模型．利用有向图构造出兼顾噪声去除和图像放大的数字TV滤波器，并利用该滤波器提出一种新颖的图像放大算法．作为算法对比，利用Sobolev空间Tikhonor正则化模型，提出相对应的数字Tikhonov放大算法．结果表明：数字TV放大算法明显优于数字Tikhonov放大算法，不仅较好地抑制了噪声的影响，而且使得任意精度放大的图像边缘清晰、过渡自然，特别适合于目标边缘明显的一类非纹理的医学图像的放大。     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

热扩散和整体变分模型自适应调整的图像放大模型

近年来基于偏微分方程的图像处理因其具有更强的局部自适应特性和高度的灵活性而成为继小波图像处理之后新的研究热点。本文在对热扩散模型和TV（Total Variation）模型分析的基础上,针对二模型在图像平滑区域及边缘或纹理区域扩散所表现出的不同特性和优势,提出一种基于图像局部特性的自适应混合图像放大模型,该模型以双线性插值后的放大图像为初始值,根据像素点梯度特性在平滑区域和边缘或纹理区域自适应的调整扩散模型,使得在平滑区域进行热传导的同性扩散,而在边缘和纹理区域处则进行沿与梯度方向相垂直的方向扩散。该模型很好的抑制了图像插值放大后所带来的块状效应,以及放大后边缘或纹理区域的假边缘现象。理论上证明了所提出模型解的存在性,同时大量的仿真实验验证了所提出模型的有效性。     

偏微分方程约束的基于模块的图像修复模型

为了对大规模目标区域的图像进行修复,提出了一种既能保持线性特征和纹理信息,又能应用于大规模目标区域的基于模块的图像修复模型。该模型首先使用像素切向等照度线强度约束修复优先级,由于切向等照度线方程在图像边缘宽度约束下扩散,因此具有很好的线性特征保持性能。这种扩散具备形态学不变性,可修复自然场景图像;然后采用Euclidean距离计算模块相似度,并加入偏微分方程约束,使得线性特征位置的像素点在匹配中影响较大;使用散度约束下总体变分插值法对修复结果进行无接缝效应处理,使得最终修复结果平滑;最后扩展模型相似度函数,使目标区域可被修复为指定的纹理特征。理论和实验结果证明该模型在图像修复中是有效的。     

基于分数阶偏微分方程的图像去噪新模型

将分数阶微分理论和全变分方法相结合应用于图像去噪,提出了一种基于分数阶偏微分方程的图像去噪新模型。该模型很好地继承了现有的全变分(TV)模型去噪效果与保持图像边缘细节特征的优点,同时利用分数阶微分运算特有的幅频特性优势,较好地保留了图像平滑区域中灰度变化不大的纹理细节。实验结果表明：一方面,与现有去噪方法相比,新模型不仅具有较强的抑制噪声能力,而且能较好地保持图像边缘特征,还能保留更多的图像纹理细节信息,优于常用的整数阶偏微分图像去噪方法;另一方面,从峰值信噪比的对比实验可以看出该模型去噪效果优于其他方法,较好地达到了去噪目的,是一种有效、实用的图像去噪模型。     

基于P-Laplace算子的小波域图像修补模型

本文研究如何利用不完整的小波系数来恢复原始图像. Chan, Shen 和 Zhou 已经提出了一种基于整体变分 (total variational, TV) 模型的小波域图像修补算法. TV 模型的主要优点是可以保持图像的边缘, 但该模型在平滑区容易产生阶梯效应, 使图像的修补效果不是很理想. 为了克服这个缺陷, 本文首先从局部坐标角度分析了TV模型与p-Laplace算子的物理意义, 从本质上说明了 p-Laplace 算子的扩散性能优于 TV 模型.然后给出了一种基于 p-Laplace 算子的小波域图像修补模型. 该模型不仅有效降低 TV 模型引入的阶梯效应, 而且能保持图像的边缘, 用较少的运算量得到比 TV 模型更好的修补效果. 实验结果表明, 该模型在运算时间和修补效果上都具有更好的综合性能.     

基于加权总广义变差的Mumford-Shah模型

给出了加权总广义变差(Total generalized variation, TGV)的定义. 利用图像的2阶加权TGV半范作为正则项, 利用水平集函数的2阶加权TGV半范近似边界长度, 提出了基于加权TGV的Mumford-Shah模型. 对未知函数分别利用交替Split-Bregman方法、Fenchel对偶方法及FISTA (Fast iterative shrinkage-thresholding algorithm)给出数值计算模型. 仿真实验结果表明, 利用图像的2阶加权TGV半范的去噪效果优于常用的梯度模2范数和加权TV (Total variation)半范正则化; 利用水平集函数的2阶加权TGV半范近似边界长度的边缘检测效果优于传统的TV半范和加权TV半范约束.     

多网格法解总变分问题及在医学图像增强中的应用

传统的各向同性平滑方法，如拉普拉斯平滑方法，虽然能去掉图像的噪声，但同时也可能使图像的边缘信息模糊，甚至丢失。针对这种情况，基于总变分的平滑方法得到重视，因为该方法可以在去除噪声的同时，对边缘的信息进行增强，但是由于基于总变分的平滑方法计算量大，且用松弛法迭代的收敛速度比较慢，因此引入了多网格预处理的共轭梯度算法来解总变分问题。计算结果表明，共轭梯度法的收敛速度明显高于松弛法，而采用多网格法收敛速度还可以得到进一步提高。为说明该方法的优点，最后对用这两种方法处理的超声医学图像的收敛曲线和平滑结果进行了比较。     

基于空域相关滤波和总变分模型的图像去噪

针对总变分（TV）模型对图像的细节不敏感以及去噪的同时易造成边缘模糊的缺陷,提出了一种图像去噪的新算法。根据图像经过小波分解以后,细节主要集中在高频部分,而取相邻尺度的小波系数进行相关计算,可以提高边缘的定位精度。利用小波高频系数的相关计算来控制TV模型的扩散,在去噪的同时保护了边缘细节。仿真实验采用三种典型的离散方法,结果显示该算法处理的去噪图像视觉效果有所改善,且信噪比也有很大提高。     

一种基于LIP的PDE图像复原新模型

以对数图像处理(LIP)数学模型为基础,结合全变分(TV)图像复原方法,提出了一种新的图像复原模型,称之为LIP_TV模型。该模型弥补了经典图像复原方法的不足,并具有与人眼视觉特征相吻合的特点。实验表明,与经典图像复原方法相比,该模型不仅复原效果更好,而且能很好地保持图像的边缘纹理特征。