基于梯度增强扩散的线形纹理图像去噪算法

针对传统图像去噪中会破坏边缘纹理特征的现实问题,提出了一种基于梯度增强扩散的线形纹理图像的去噪算法。算法主要针对含有线形结构的纹理图像,在基于偏微分扩散方程的去噪过程中引入了结构分析,并根据局部梯度变化,重新定义了扩散系数,能在有效增强边缘特征的同时去除图像中的小尺度噪声。仿真实验表明,与传统的高斯平滑去噪算法相比,在实现对线形纹理图像去噪的同时,能较大程度保留图像的线形纹理信息,具有一定的应用价值。     

一种改进的非线性扩散图像去噪算法

本文提出了一种改进的PM去噪算法,利用图像的局部信息,使用当前像素的3×3邻域构造计算8个方向的扩散系数。实验表明,本文所提算法不仅能够有效去除噪声,而且能够很好的保持边沿和结构,尤其在高水平噪声下,克服了经典PM算法容易产生阶梯效应和斑点噪声的不足。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

基于偏微分方程的图像去噪方法

随着数字图像处理技术成功地应用于各行各业,图像去噪作为该技术的基础,应用前景广阔,且研究价值很大.文章研究一种基于偏微分方程的高精度图像降噪算法,该算法借助偏微分方程分析图像特征,图像噪声处理过程中具有同一特征的图像被作为一个单元进行处理,则有效地避免了图像特征受降噪处理的影响.     

基于格子波尔兹曼模型的图像去噪

 Perona 和 Malik提出的各向异性的扩散模型存在着模型不稳定、图像灰度容易产生"阶越"现象等缺陷.本文通过在格子波尔兹曼各向同性扩散模型的网格点间加入跨膜介质,建立了格子波尔兹曼各向异性扩散模型.该模型中前向扩散过程占据了主导作用,因而是稳定的.实验分析表明,该模型很好地解决了P-M模型存在的灰度"阶越"现象,处理结果具有更高的峰值信噪比.     

多小波域上各向异性扩散在纹理图像去噪中的应用

去噪是图像处理中的一个重要技术,一般的去噪算法会造成图像边缘信息被平滑,为了有效地抑制噪声而同时又保护好边缘信息,在多小波变换的基础上,提出了一种新的去噪算法,它结合了多小波变化和各向异性扩散(P-M扩散)两者的优点,利用多小波变换把纹理图像分解为高频子带和低频子带,然后根据子带图的特点分别采用不同的各向异性扩散方法,实验结果表明,该算法去噪效果好,改善了图像的峰值信噪比(PSNR)和最小均方误差(MSE),同时更好地保留了图像的纹理和细节.     

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约后续图像一系列处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的;在冲击滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲击幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。     

一种基于小波变换的偏微分方程图像去噪方法

针对纹理图像在去除噪声时,纹理信息容易被磨光,尤其是纹理的线状结构很容易被破坏的问题,提出在小波域改进耦合P-M扩散与相干增强扩散的方法,并用改进的方法对不同的小波子带进行扩散,然后重构,得到去噪图像.数值实验结果表明,本文方法在达到一定降噪效果,保持区域内部较好光滑性的同时,对保持纹理信息、纹理的线状结构及纹理的光滑有很好的效果,说明该方法对纹理图像去噪有较好的效果.     

基于复Contourlet域非线性扩散的图像去噪

提出了一种将复Contourlet变换与非线性扩散相结合的图像去噪方法。首先对图像进行复Contourlet分解,然后高频部分和低频部分分别采用自适应对比度扩散和全变差扩散,最后重构图像。给出了实验结果,并与基于小波、基于Contourlet和基于非下采样Contourlet的非线性扩散方法的图像去噪效果进行了主观视觉上的比较,同时也依据均方差(MSE)、峰值信噪比(PSNR)等评价指标作了定量分析,且对比了各算法的运行时间。结果表明,本文提出的方法去噪效果更为优越:不但抑制噪声的能力更强,而且能够更好地保留图像原有的边缘和纹理特征。     

一种基于自适应双向扩散过程的无源毫米波图像去噪与增强

研究和设计了一种新型自适应双向扩散过程,对无源毫米波图像进行降噪和增强处理.根据图像的局部特征进行自适应扩散处理,在图像的同质区域进行各向同性扩散降低噪声,在图像的边缘处沿着图像边缘的切向方向进行正向扩散降低噪声,沿着图像边缘的法向方向进行反向扩散锐化边缘.通过对仿真图像和实测的91.5 GHz无源毫米波图像的实验表明...     

Medical X-Ray Image Enhancement Based on Kramer''''s PDE Model

The purpose of this study is to present an application of a novel enhancement technique for enhancing medical images generated from X-rays. The method presented in this study is based on a nonlinear partial differential equation (PDE) model, Kramer’s PDE model. The usefulness of this method is investigated by experimental results. We apply this method to a medical X-ray image. For comparison, the X-ray image is also processed using classic Perona-Malik PDE model and Catte PDE model. Although the Perona-Malik model and Catte PDE model could also enhance the image, the quality of the enhanced images is considerably inferior compared with the enhanced image using Kramer’s PDE model. The study suggests that the Kramer’s PDE model is capable of enhancing medical X-ray images, which will make the X-ray images more reliable.     

Medical X-Ray Image Enhancement Based on Kramer's PDE Model

The purpose of this study is to present an application of a novel enhancement technique for enhancing medical images generated from X-rays. The method presented in this study is based on a nonlinear partial differential equation (PDE) model, Kramer's PDE model. The usefulness of this method is investigated by experimental results. We apply this method to a medical X-ray image. For comparison, the X-ray image is also processed using classic Perona-Malik PDE model and Catte PDE model. Although the Perona-Malik model and Catte PDE model could also enhance the image, the quality of the enhanced images is considerably inferior compared with the enhanced image using Kramer's PDE model. The study suggests that the Kramer's PDE model is capable of enhancing medical X-ray images, which will make the X-ray images more reliable.     

基于分数阶图像增强的P-M模型

P-M扩散模型是图像处理中用于去噪平滑的经典模型,但在实际应用中常会出现零散的斑点。为了去除残存的噪点,通常采用平滑处理来消除高梯度的噪声,但这又模糊了边缘,损失了细节信息。从此问题入手,采用在噪声图像平滑处理后,应用分数阶微分来锐化图像,由于分数阶微分的非线性特性,此方法可以在增强边缘特征的同时不明显加强噪声信息。实验证明,通过文中方法的处理,图像质量和信噪比都有了明显提升。     

基于分数阶微分的图像增强算法

相比传统的基于整数阶微分的图像增强算子,分数阶微分增强算子能提升图像的高频边缘信息,且非线性保留图像纹理细节和平滑区域的中低频信息。文中根据Riemann-Liouville分数阶微分定义,构造了5×5大小的分数阶微分增强算子模板,同时采用传统的整数阶图像增强算子Sobel算子、Prewitt算子和Laplacian算子,分别对灰度图像和彩色图像进行图像增强处理实验。最后,引入图像熵的计算,对图像增强的结果进行熵值大小的计算与分析。随着分数阶微分阶次的增加,分数阶微分增强算子处理后的图像熵值呈上升趋势,说明图像的纹理细节信息得到了加强。     

基于小波非线性外推的图像增强方法

针对图像增强的问题,提出了一种新的图像增强方法．该方法将小波变换与频域非线性外推算法相结合,首先利用小波变换提升图像的高频成分,再利用频域非线性外推算法增加图像的高频分量,最终实现图像的增强．实验表明,该新方法有效地提高了图像的视觉效果．     

基于PDE的快速自适应图像分割算法

在水平集理论和Chan-Vese模型的基础上,详细分析了水平集函数的初始位置和分割速度的关系,指出如果初始位置不好,将会影响曲线的演化速度。针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快Chan-Vese模型的演化速度。实验结果表明,本文所提出的方法不受初始轮廓位置的限制,具有鲁棒性,分割效果良好,有很好的实际意义。     

基于定向拉普拉斯模型的图像放大方法

针对传统插值及PDE模型放大方法的缺点,提出一种具有边缘增强作用的基于定向拉普拉斯模型的图像放大方法。该方法以传统插值放大方法为初值,然后经边缘增强的定向拉普拉斯PDE方程反复迭代的扩散作用实现图像放大。实验结果表明,该算法是一种有效的保持边缘和细节的图像放大方法,在客观指标和主观效果上均优于传统双线性插值和P-M方程的方法,是一种有效的图像放大算法。     

基于Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.