维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于二维小波收缩与非线性扩散的混合图像去噪算法

研究自适应滤波算法对改善图像质量具有重要意义.本文分析了非线性扩散和二维Haar小波收缩去噪方法之间的关系,从本质上说明了非线性扩散方法优于Haar小波收缩去噪方法.然后,给出了一种基于图像全变差(TV)模型的非线性扩散与二维Haar小波收缩相结合的混合图像去噪算法.该算法在图像小波分解的低频部分采用全变差扩散,在高频部分采用小波收缩方法.实验结果表明,混合去噪算法在计算复杂性与滤波效果上具有更好的综合性能.     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

基于改进三维块匹配的X射线绝缘子图像去噪

由于X射线图像噪声种类多样且随机分布,文中提出一种基于改进三维块匹配的X射线盆式绝缘子图像去噪新方法。针对三维块匹配算法协同滤波中采用的小波硬阈值法造成的伪吉布斯现象,提出一种改进的小波阈值去噪方法,克服了伪吉布斯现象,保留了更多的图像细节;针对三维块匹配算法协同滤波中采用的维纳滤波法造成的"振铃效应",提出一种基于各向异性扩散的改进卡尔曼滤波方法,避免了"振铃效应",边缘清晰,细节完整。试验结果表明,该方法极大地抑制了图像噪声,提升了X射线图像的质量,为后续故障识别提供了良好的图像基础,极大地提升了故障识别的准确率。     

一种高效的小波变换去噪方法

小波变换用于图像去噪的思想已经提出了很久,然而前人所提出的这种方法对于去噪的效果并不理想。图 像经这种小波变换去噪后,纹理特征被弱化,图像的边缘出现较明显的Gibbs效应,图像变模糊。针对以上问题,本文提 出了一种高效的小波变换去噪方法(HPID)。此去噪方法是基于小波变换的新方法,与经典的小波去噪方法不同,该方法不 依赖图像大小来判定去噪门限,不需方差信息,且适用于不同类型噪声。采用本方法处理的噪声图像与经典方法相比,不 仅消除了Gibbs效应,而且图像的边缘信息更清晰,纹理特征增强,去噪能力得到改善。     

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.     

基于非抽取小波变换的遥感图像贝叶斯去噪

图像去噪是遥感图像处理的一个重要方面。文中基于非抽取小波变换,提出了一种贝叶斯图像去噪方法。对小波系数采用广义高斯分布建模,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪。实验结果表明：该去噪方法能够有效地抑制正交小波变换产生的人为干扰和伪Gibbs现象,与正交小波变换阈值去噪方法相比具有明显的优越性。     

带边缘增强的双树复小波阈值去噪方法

针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

单幅散焦图像深度计算方法

由单幅图像获取深度是单目视觉测量中的一个难题。根据散焦图像的散焦原理,得到了单幅散焦测距扩散系数。基于单幅图像中不同区域的图像相关性,提出了替代二次成像要求的约束条件,即采用图像检测方法检测两个被测区域,结合散焦图像的各向异性扩散模型及区域扩散系数,分别对两个区域图像进行扩散实现。利用最小能量泛函求解了各个被测区域的各向异性图像扩散方程,进而得到了区域物体深度。在精度方面,实验结果与利用两幅散焦图像获取深度的传统方法相同。这种方法在测距过程中无需对相机参数进行调整,提高了单目测距的可操作性。该方法是对现有视觉测量方法的有力补充,能够为视觉测量技术提供更加宽广的应用前景。     

Orthogonal-directional forward diffusion image inpainting and denoising model

In this paper, an orthogonal-directional forward diffusion Partial Differential Equation （PDE） image inpainting and denoising model which processes image based on variation problem is proposed. The novel model restores the damaged information and smoothes the noise in image simultaneously. The model is morphological invariant which processes image based on the geometrical property. The regularization item of it diffuses along and cross the isophote, and then the known image information is transported into the target region through two orthogonal directions. The cross isophote diffusion part is the TV （Total Variation） equation and the along isophote diffusion part is the inviscid Helmholtz vorticity equation. The equivalence between the Helmholtz equation and the inpainting PDEs is proved. The model with the fidelity item which is used in the whole image domain denoises while preserving edges. So the novel model could inpaint and denoise simultaneously. Both theoretical analysis and experiments have verified the validity of the novel model proposed in this paper.     

局部特征分类的自适应扩散模型

本文提出了一种既能保持图像特征又能加快扩散速度的自适应扩散模型。首先,该模型利用平均梯度矩阵的特征值区分出图像的平坦区域、线条边缘和角点;其次,该模型根据平均梯度矩阵及其特征向量来控制图像信息的扩散方向;这样,该模型可以在不同的区域自适应地选择不同的扩散方向和扩散速度,从而很好地保持了图像特征并自适应地加快了扩散速度。实验结果表明,该模型可以保持图像结构特征,抑制噪声,应用到数字图像修复中,既能加快图像修复速度,又能使修复后的图像具有更好的视觉效果。      

An image magnification algorithm using the GVF constraint model

An image magnification method with a Gradient Vector Flow（GVF）constraint-based anisotropic diffusion model is proposed in this letter.A Low-Resolution（LR）image is first magnified using bilinear interpolation,and then an iterative image restoration method,with the use of an anisotropic diffusion model and a Gaussian moving-average constraint,is applied to the magnified image.The estimated GVF of a High-Resolution（HR）image can be used to remove the jagged effect and to preserve the textural structure in the image.Meanwhile,the use of the Gaussian moving-average LR model can provide a data fidelity constraint,which renders a magnified image closer to the ideal HR version.Experimental results show that the proposed method can improve the quality of magnified images in terms of both objective and subjective criteria.     

一种基于核函数的各向异性扩散图像去噪算法

分析了各向异性扩散去噪模型优缺点,针对PM模型不能有效区分噪声和边缘,提出了一种基于核函数的各向异性扩散去噪模型。在该模型中,把图像中噪声与边缘在低维空间的非线性区分关系转变为高维特征空间的线性关系,利用核函数获得高维空间的扩散函数。实验中分别与PM模型、Cattle模型比较分析,证明基于核函数的扩散模型在去除噪声的同时,更好地保留图像的信息,且峰值信噪比最高,去噪性能最优。     

一种改进的二阶偏微分去噪模型

分析了基于二阶偏微分的扩散方程模型的基本原理,针对该模型在去噪的同时会产生阶梯效应的缺点,提出了一种基于图像结构信息的二阶偏微分去噪模型。在该模型中,在二阶偏微分的全变分模型的正则化项加入图像的切矢量和法矢量信息,并由此推导出相应的扩散方程,再对扩散方程的扩散强度因子进行修改。在实验中,将模型分别与基于二阶偏微分、四阶偏微分的全变分模型进行对比分析表明,实验结果证明该模型能有效地去除图像噪声,克服阶梯效应的产生,主观性能最优。     

基于扩散方程和相位一致的异源图像配准算法

针对同一场景下的红外与可见光图像特征点难以提取和匹配的问题,提出一种基于扩散方程和相位一致模型的红外与可见光图像的配准算法。首先提出了收敛速度更快的扩散方程,并用该方程对红外图像除噪;其次利用改进的相位一致模型提取红外与可见光图像的视觉相似性结构;在相似性结构上提取特征点,进行二进制描述;最后采用汉明距离实现特征点匹配。实验结果表明,该算法能够有效滤除红外与可见光图像的差异,减小计算开销的同时实现图像的自动配准。     

基于曲面特性的图像非线性扩散滤波

利用扩散滤波进行图像降噪的过程中,一个核心问题是,如何控制扩散系数,使得模型在图像信息位置停止扩散,而在噪声处有效地扩散。为了更好地解决此问题,本文采用了一种新的思想,把图像看作是三维空间的一个曲面,这样可以得到图像曲面的两个基本特性:高斯曲率和平均曲率。为了能够在图像进行扩散滤波处理中有效地利用图像在三维空间中的这些曲面特性,文章分析了已有的基于平均曲率或高斯曲率的非线性扩散滤波模型,总结了平均曲率和高斯曲率的特点,并在此基础上,提出了基于混合曲率的扩散滤波模型;该模型作为一种新的基于曲面特性的图像扩散滤波模型,同时利用了图像的高斯曲率和平均曲率,恰当地融合了两种曲率的特点,能够以相对较快的速度滤除噪声,同时保持图像的细节特征。      

一种改进的偏微分扩散方程的医学超声图像去噪方法

研究了偏微分扩散方程在医学超声图像去噪中的应用。首先对各向异性扩散模型的进行分析,为了更好地去除噪声并保留图像的边缘等重要信息,提出了构造新的各向异性加权系数和优化的迭代次数的改进方法,并通过实验证明可达到更好的去噪效果。