一种基于卷积运算与全变分模型的图像去噪方法

梯度模值较易受到外界影响,导致全变分模型在大噪声点处往往不能很好地消除噪声,从而产生阶梯效应。针对该问题,提出了一种基于卷积运算与全变分模型的图像去噪方法。首先,针对以扩散形式获得的图像像素点进行卷积运算,利用滤波去噪降低大噪声点的灰度值;其次,以能量泛函形式构建图像全变分模型,并求解泛函对应的拉格朗日方程极小值来实现图像去噪;最后,将去噪后图像作为双边滤波算法的引导图像进行二次去噪,从而进一步提升图像去噪质量。仿真实验结果表明,与经典方法相比,该模型对去噪过程中的阶梯效应问题具有较好的处理效果。     

全变分耦合图像去噪模型

针对TV模型去噪后图像容易产生“阶梯效应”的现象,提出一种全变分耦合图像去噪模型。首先,根据去噪过程中图像梯度的变化趋势,构造一个趋势保真项,该保真项不但能有效去除图像噪声,而且能抑制“阶梯效应”。然后用小波在频域里对图像进行系数分解,利用Canny算法的边缘检测特性,设计控制函数,控制能量的扩散方向,保持了TV模型和趋势保真项的优点,能够在保护图像边缘纹理等细节信息的同时,抑制“阶梯效应”。实验结果表明,新模型的峰值信噪比、结构相似度、视觉效果均有显著提高。另外,所提模型的运行时间较短。     

基于全变分理论的红外图像去噪

为了去除红外图像中的噪声,提出了一种基于全变分理论的去噪算法。该方法继承了经典全变分模型在去除噪声中保护边缘的优点,结合图像平滑扩散原理,得到了一个全新的扩散函数;同时引入了一个边缘检测算子,对正则项和忠诚项的相关参量进行了改进,使得修复后的图像大大避免了阶梯效应;最后对该算法的实现进行了推导。结果表明,该算法能够有效地去除噪声,并且避免了阶梯效应的产生。     

自适应二阶总广义变分图像恢复方法

针对经典的总变分(TV)去噪模型容易导致阶梯效应 的缺陷,提出了一种自适应的二阶总广义变分(TGV)图像恢 复模型。通过在二阶TGV正则项中引入边缘指示函数,并利用边缘指示函数在平滑区域,增强 扩散,去除噪声,在边缘处降低扩散,保护边缘等特征恢复图像,在新模型中,自适应二阶 总广义变分是正则项,它能自动的平衡一阶和二阶导数项。因此这些特征使得新 模型在去噪的同时不但能够自适应地保持图像的边缘信息,而且还能去除阶梯效应。为了有 效的计算该模型,本文采用原始一对偶算法仿真新模型,实验结果表明,与经 典的TV模型相比,改进的方法无论是在视觉效果还是信噪比(SNR)上都有 明显地提高。     

同步全变分与限制对比度均衡的彩色图像去噪增强方法

为了更好地实现彩色图像去噪与反差增强的处理,提出一种同步全变分与限制对比度均衡的彩色图像去噪增强方法。首先分析了彩色全变分（CTV）模型存在的问题,并针对这一问题,提出通过引入彩色空间下矢量扩散控制改进该模型,消除阶梯效应。其次,为了避免由于灰度转化带来的信息缺损,给出一种RGB空间下的梯度矢量计算方法。最后构造了限制对比度直方图均衡（CLAHE）的微分模型,将其与改进后的CTV模型融合实现了彩色图像的同步去噪与增强处理。实验结果表明:由于本文方法直接在彩色空间下进行计算,因此可以减少由色彩空间转化带来的信息损失,能够在提高图像的对比度的同时去除噪声,更好地完成彩色图像的去噪与反差增强处理。      

结合全变分的双边滤波图像去噪方法研究

图像去噪是数字图像处理过程中的一个重要步骤,它将直接影响到图像处理的最终质量。针对传统的全变分(TV)正则化去噪算法容易产生阶梯效应的缺点,利用双边滤波去噪算法在空间域和值域两个方面进行滤波的特点,提出一种结合TV模型的双边滤波方法,该方法能在一定程度上有效地改善阶梯效应。仿真实验结果表明,提出的去噪方法不仅能够获得较好的去噪效果,还能有效地保持图像的边缘特征信息,降噪效果明显。在较高水平噪声情况下,与TV算法相比,该方法针对小尺寸灰度图片(256×256)图像的峰值信噪比(PSNR)提高1.45 d B左右,大尺寸灰度图片(512×512)图像的PSNR提高2.56 d B左右。     

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。     

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。     

基于角点检测的中值曲率扩散模型改进方法

讨论了一种新的基于非线性扩散方程的图像去噪方法。在分析中值曲率扩散模型去噪原理的基础上,将角点检测因子引入到该模型中控制扩散速度,使改进后的方程在非角点处进行较大扩散,在角点处停止扩散。实验结果表明,该方法不仅有效去除了图像中的噪声,而且较好地保留了图像中的角点信息,去噪效果令人满意。     

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。     

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.     

基于小波前向后向扩散的红外图像降噪与边缘增强算法

针对红外图像特点,该文提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。小波前向后向扩散是建立在小波扩散理论的基础上,其继承了小波扩散迭代降噪与边缘保持特性,在此基础上实现了图像的边缘增强。为了克服传统小波扩散基于小波模值的边缘映射的不足,该文利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计,结合几何约束进行修正,获得准确的边缘映射,并重新设计了小波前向后向扩散系数方程。实验证明算法能有效实现红外图像降噪的同时增强图像边缘。     

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。     

红外热波无损检测图像噪声分析与抑制

分析了红外热波检测图像中噪声生成机理,针对图像的噪声去除增强问题,提出了一种改进的非线性偏微分方程的热波检测图像去噪增强方法。对偏微分方程在图像处理应用中的理论基础进行研究,针对现有的偏微分方程模型在图像去噪中存在的问题,并结合热波图像的特点,改进相应的偏微分方程数学模型,在此基础上对获得原始热图进行编程处理,试验结果表明：经过处理后的图像信噪比提高,对比度得到了改善,为后续的缺陷提取及损伤识别奠定了基础。     

一种改进的方向扩散方程滤波方法

利用方向扩散方程去噪时,噪声滤除的同时边缘也很快模糊了.基于这一缺陷,本文用各向异性扩散算子代替了方向扩散方程第一项中的拉普拉斯算子,并在方程的两个扩散项前加上了不同的扩散系数,以保证算法既能快速扩散去除噪声,又能较好保留边缘.而且,当新模型中的初始逼近图像退化为常数时,本文模型就退化为Perona-Malik扩散方程,因此Perorm-Malik扩散方程是本文新模型的一个特例.实验结果和客观数据分析均表明本文算法在保留边缘方面具有明显的效果.     

基于小世界模型和图论的图像去噪

提出了一种基于图论的偏微分方程(PDE)图像去噪方法。在构造图的拓扑结构过程中,引入了小世界模型,降低图的直径,加快算法的收敛速度。同时,评估了图的权重函数中最优参数的选取。最后,用图的拉普拉斯矩阵和图上的热扩散方程实现图像的去噪。仿真实验结果表明,本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能和算法收敛速率上优于其它的PDE去噪方法。     

基于广义变分正则化的红外图像噪声抑制方法

文中提出了一种广义变分正则化的红外图像噪声抑制方法,该方法采用p-范数代替目前广泛被采用的全变分范数作为正则项,构造了用于抑制图像噪声的展平泛函,从而将图像噪声抑制问题转化为能量泛函优化问题。通过推导,得到了相应的用于图像噪声抑制的非线性偏微分方程,并采用固定点迭代算法进行线性化求解,使得迭代解稳定收敛。数值试验结果表明,该方法能够有效地去除图像噪声,较之全变分图像噪声抑制方法,新方法进一步提高了对小宽度图像边缘的保持能力,是一种有效且性能优良的红外图像噪声抑制方法。     

基于各向异性扩散偏微分方程的图像去模糊

利用图像结构张量导出的各向异性扩散滤波,具有平滑噪声的同时保持细节的特点,提出基于结构张量的能量最小化去卷积正则化模型,并对由此导出的偏微分方程应用于灰度图像和向量值图像去模糊作了分析。灰度图像的各向异性扩散滤波可以由梯度平滑的结构张量实现,相应的偏微分方程取决于平滑结构张量决定的惩罚函数。与其它非线性扩散滤波去模糊的方法比较结果证实所提方法在信噪比和视觉质量上都具有更好的效果。     

一种改进的各向异性扩散模型

各项异性扩散方程是一种经典的图像去噪方法,但该方法在去除噪声的过程中会造成一定程度的模糊边缘。对此文中提出了一种基于改进的各向异性扩散方程的图像去噪方法,通过在其能量泛函的目标函数中添加残差项,使能量泛函的极小解更加接近原始的函数,可取得比其更好的去噪效果。文中方法可看作是各项异性扩散方程和全变差模型的结合。实验表明,新提出的方程相对经典的方程有较好的边界处理效果和更高的信噪比。