基于扩散方向的图像修补算法

图像修复是数字图像处理的一种重要技术,是利用受损区域周围的图像信息给受损区域填充的一门技术,本质上是一种图像插值技术。基于偏微分方程的数字图像处理是一个新颖的课题,其在实际应用中的有效性受到越来越多的关注。     

数字破损图像的非线性各向异性扩散修补算法

首先从局部坐标角度分析整体变分（TV）模型与p-Laplace算子的物理意义,从本质上说明p-Laplace算子的扩散性能优于TV模型,进而提出一种基于p-Laplace算子的图像修补算法.该算法利用p-Laplace算子的非线性各向异性扩散的性能来填充受损区域.与TV修补算法相比,文中算法能快速收敛,并达到更好的修补效果,其综合性能优于TV修补算法.     

一种基于整体变分的图像修补算法及其应用

针对污损数字图像修复这一问题,重点考虑了图像的两个重要特征：梯度和等照度线的曲率,探讨了两者对图像修补效果及速度的影响。从而将两者同时纳入图像修补模型,提出了一种新的基于整体变分的图像修补算法。实验表明,相比于CDD算法,该算法能够在短时间内较好地修复污损区域,且能将断裂的水平线连接得更为光滑、自然。     

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.     

一种基于整体变分的图象修补算法

图象修补是图象恢复研究中的一个重要内容，它的目的是根据图象现有的信息来自动恢复丢失的信息，可以用于旧照片中丢失信息的恢复。由于图象中的边缘代表了图象的重要信息，所以在设计修补算法时，必须着重考虑边缘的恢复，采用整体变分模型设计了一个图象修补算法，整体变分模型能够模拟人的低层视层，在修补图象时可以恢复图象中的边缘，数值实验表明，该模型能够较好地恢复待修补区域的信息，但是受修补区域大小的影响，同时又采用了一种向前传播操作来缩小修补区域。     

整体变分算法在图像修补中的应用研究

对如何将整体变分模型用于图像修补进行了讨论．主要研究整体变分算法在待修补区为长条形空白区域的图像修补，并根据待修补区为长条形的特点，通过引入权值，对整体变分模型的离散化算法作了改进，使该算法利用邻域信息仅对待修补空白区域进行填充，而不改变待修补区邻域的像素值．实验表明，文中算法对窄长条状或线状空白区域的图像修补是有效的。     

图像修补的优化变换方法

采用整体变分(TV)模型修补图像,提出一种图像修补的优化变换方法.引入一个辅助变量,利用优化变换,将TV模型中单变量函数的优化问题转化为等效双变量函数的优化问题,并利用交替迭代最小化算法和Chambolle's投影算法求解模型.实验结果表明,与采用梯度下降法的TV模型算法相比,该方法的图像修补效率和修补效果较优.     

改进的LB图像修复模型及其算法

针对格子波尔兹曼(LB)模型模拟图像修复过程, 提出了一种基于P-Laplace算子的改进LB图像修复算法。该方法利用P-Laplace算子的非线性各向异性扩散性来填补受损区域, 并且忽略了梯度对修复过程的影响。实验结果表明, 改进后的LB修复模型, 其修复效果比TV和CDD模型好; 与LB模型具有相似的修复效果, 却比它具有更快的修复速率, 适用于苹果采摘机器人视觉系统中对树枝遮挡部分的修复、老照片修复, 以及文字移除等领域。     

基于洗牌算法的二方向折叠扩散混沌系统图像加密

针对像素位置置乱,为了削弱当前加密密文存在的周期性,提出了一种基于洗牌算法的二方向折叠扩散混沌系统加密方法。仿真实验表明,该算法不仅能够较好地抗差分攻击、统计特性分析,密钥敏感度强,还能有效抵抗密文攻击,而且密钥空间大,加密效果好。     

基于曲率驱动扩散（CDD）的图像修复模型

由于TV（总体变分）修复模型不能满足“连接性准则”。针对这个问题，Chan和Shen提出了基于曲率驱动扩散（CDD）修复模型，该模型通过在TV模型的基础上引入曲率项，从而使得“连接性准则”得以满足，本文将对此模型以及离散实现方法进行分析，并用实验得出结论：CDD模型具备了修复较大的破损区域及细小边缘的能力。     

PDE技术的图像放大模型

偏微分方程(PDE)已成为图像处理与分析中的重要工具。而数字图像处理的一个基本内容是图像放大,即从低分辨率图像获得高分辨率图像的图像处理技术。通过两种泛函模型,利用变分的思想,提出了基于TV-norm (total variation norm)插值模型和四阶偏微分方程插值模型的图像放大算法。通过仿真实验结果及均方误差（MSE）和峰值信噪比（PSNR）两种评价准则说明了该算法的有效性和可行性。     

小波系数差值方向传播的图像融合新方法

对图像经提升小波变换后低频小波系数的区域相关性以及高频小波系数的方向特性进行了分析和统计,提出了一种基于小波系数差值方向传播的图像融合新方法。首先,对于高频子带的每一个系数,依据其所在子带内系数分布的方向特征,将待融合系数的差值按照一定的方向模板进行加权,通过比较对应位置加权后的数值,进而确定高频融合系数;对低频子带的每个系数,依据其系数的相关性,通过比较其八邻域方差,进而确定低频融合系数,最后,对融合系数进行提升小波逆变换,获得融合后的图像。采用信息熵和清晰度对融合后的图像进行评价,实验结果表明,算法所获得的融合结果明显优于传统的图像融合算法,具有一定的实用性。     

基于变分的保持特征的有噪图像放大算法

针对图像放大后出现边缘模糊的现象,该文考察了典型边缘的特征,利用整体变分思想,提出了一种基于变分模型的有噪图像放大算法。利用导出的偏微分方程和图像边缘的局部梯度信息,该文算法实施一种自适应非线性滤波处理,能够较好地保持图像边缘锐度,同时有效地去除图像噪声。为了保持图像的特征和细节,文章利用图像的方向导数局部地调整正则系数.理论分析和实验结果皆表明此文算法的有效性。     

基于微分方程和小波图象去噪研究

小波图象去噪是目前图象去噪的主要方法之一,它可以在很好去除噪声的前提下保持图象的细节特征。近年来基于偏微分方程的图象去噪方法得到了广泛的关注。在一定的约束条件下,求解方程的最优解可以达到比较好的去噪的目的。实验结果表明,该方法在图象去噪的效果上要比小波去噪好,去噪后图象的信噪比高。     

基于连续方向图的指纹图像预处理算法

在研究和分析了现有的预处理算法的基础上,提出了一种基于连续方向图的指纹图像预处理算法。主要包括指纹图像规格化、连续方向图计算、方向自适应滤波、二值化和细化等算法,这种连续方向图过渡平滑、自然,且有很好的连续性、渐变性和抗噪性,同时又具有极高的精确度,能更精确地反映指纹脊线的结构特征。从而使得滤波效果更佳;实验结果表明,该算法处理效果好、运算速度快,有效的满足了预处理的要求,为指纹的特征提取和识别奠定了坚实的基础。     

SAR图像斑点噪声整体变分偏微分方程滤波算法研究

SAR图像固有的斑点噪声严重影响了图像的判读和后续处理,因此抑制SAR图像斑点噪声显得尤其重要。一个良好的斑点噪声抑制算法应该在降低斑点噪声的同时,能很好地保持图像的细节特征,但现有的去噪算法没有一种能够完美地解决这个问题的。本文基于SAR图像斑点噪声滤波的重要性以及存在的问题,将整体变分偏微分方程用于去除斑点噪声。根据整体偏微分方程建立了去噪模型,并分析了模型的性能和参数选择的重要性。通过实验验证了该算法的有效性,并以峰值信噪比（PSNR）为评价准则,利用多项式拟合方法选择了最优参数。引入边缘保持指数(EPI),与其他滤波算法比较,本算法在去除噪声的同时较好地保持了边缘。     

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型（Gaussian mixture model,GMM）算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科 夫随机场（Markov random field,MRF）模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图 像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马 尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能 保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到 最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.     

改进的自适应冲击滤波图像超分辨率插值算法

针对基于插值的图像超分辨算法造成图像边缘扩散和引入噪声的缺点,该文提出一种改进的自适应冲击滤波模型的图像超分辨率插值方法.根据插值后的初始高分辨率图像梯度自适应调整冲击滤波的权重,针对不同的图像边缘相应地减少图像的边缘扩散,同时利用前向扩散消除噪声,相对传统冲击滤波方法,避免了锯齿、块效应等人工痕迹,有效的保留了细节纹理特征.理论分析和实验结果表明,文中方法获得更好的超分辨率结果,主观效果得到明显改善,客观指标得到一定提高.     

融合[L2]和KL保真项的图像恢复算法

为了有效抑制高斯-泊松混合噪声,针对调和模型不能有效保存图像的边缘细节信息和Kullback-Leibler散度作为保真项（KL保真项）的全变差图像恢复模型对光滑的区域部分去噪会产生“阶梯效应”的不足,提出一种针对高斯-泊松混合噪声去噪的图像恢复变分模型。该模型利用增广拉格朗日算法进行数值实现,将调和模型和全变分模型按照比例进行融合,结合两种模型的优点,增强模型的去噪性能;Kullback-Leibler散度作为保真项和[L2]保真项按照比例进行混合,能有效去除高斯-泊松混合噪声的同时,保护图像的边缘细节;使用多幅含不同混合噪声的图像进行对比实验,采用峰值信噪比、结构相似度指标评定图像的恢复效果。实验结果表明,该模型的峰值信噪比和结构相似度大于使用Kullback-Leibler散度作为保真项的全变差图像恢复（TV-KL）模型、改进MS模型（MRT）,以及保真项混合模型（MFT）这三个模型,并且计算的CPU时间更短,去噪效果得到明显改善。所提模型具有更好的去噪性能,有效地保持了图像细节和纹理特征方面的信息,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效的证实,可以应用于X射线图像去噪。