基于图像局部结构的扩散平滑

各向异性扩散平滑去噪的主要特点是扩散方向的选择性与定向扩散能力,有效表征信号或图像的局部结构特征是各向异性扩散的基础,传统的梯度表示方法极易受到噪声干扰.该文在分析图像局部结构表征方式的基础上,定义一个图像的局部各向异性强度参数M,提出一个新的扩散方程.试验测试显示,新扩散模型相对于ALM模型与CAZ模型具有更好的噪声压制能力和定向扩散能力,信噪比分别提高了0.1 dB～0.8 dB和0.3 dB～1.2 dB.     

局部结构自适应的图像扩散

提出一种新的局部结构自适应图像扩散算法. 在图像扩散过程中, 传导系数不仅与梯度值有关, 而且受到局部结构的影响. 首先根据局部结构将像素分成三种类型, 对不同类型定义不同的传导系数函数, 再由这些函数根据梯度计算出扩散流量. 由于考虑到了局部结构信息, 可以在保留图像精细结构的同时快速、有效地滤除无规则的噪声. 在合成测试图和实际图像上的实验结果表明, 本文所提出的算法优于一些典型的图像扩散算法.     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

基于图像局部几何结构的SAR图像降噪与增强*

研究了基于图像局部几何结构对SAR图像进行各向异性扩散滤波降噪。首先,回顾各向异性扩散滤波的PM模型、Weickert模型和Tschumperle的迹模型,分析指出迹模型能够依据图像局部几何结构进行定向扩散滤波且扩散程度由扩散率函数决定,扩散过程可控,意义直观;继而,根据扩散系数的构建原则,构建了新的兼容图像增强、扩散幅度可调整的扩散率函数,并用于SAR图像降噪。实验结果表明,运用此函数不仅有效抑制了相干斑噪声,还保持并增强了边缘细节,取得了理想的效果。     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程（PDE）和基于纹理合成的修复方法。在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复。在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息。通过数值实验也表明该方法的有效性。     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程(PDE)和基于纹理合成的修复方法.在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复.在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息.通过数值实验也表明该方法的有效性.     

基于各向异性扩散的图像平滑与分割技术研究

本论文研究基于各向异性扩散的偏微分方程除去图像噪声的方法,在去除噪声的同时,能有效保持重要的边缘和局部细节,在通常考虑4向扩散方向的基础上提出了八向的各向异性扩散和边缘增强的处理技术,并将平滑后的图像通过聚类分群而得到不同的医学器官组织的分布。     

一种改进的各向异性扩散图像平滑方法

在人类视觉系统特性基础上提出了一个改进的各向异性平滑方法。加入图像四阶偏微分信息避免“阶梯效应”,扩展演化方向,改进数值模型。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。     

一种基于各向异性扩散方程的自适应去噪方法

提出了一种基于各向异性扩散方程的图像自适应去噪方法。分析了各向异性扩散方程在图像除噪中的实现原理,将一种改进的图像结构相似度算法与各向异性扩散方程相结合,实现了对图像的自适应滤波。实验结果表明,改进的结构相似度算法在自适应滤波的应用中有一定的优越性和较好的鲁棒性。     

一种自适应的静音抑制算法

提出一种自适应的静音抑制算法,根据当前的噪声环境动态地调整静音抑制阈值,从而在用户处于静默状态时停止传输背景噪声包,能节省约50%的VoIP传输带宽。在低带宽的环境下,能够降低网络拥塞,大大提高VoIP通话效果。CDMA网络的实验结果验证了该算法的效用。     

基于局部结构直方图的图像检索

在图像检索领域中,为更好地利用Julesz基元概念来描述图像内容,提出一种新的图像特征描述方法——局部结构直方图。将彩色图像从RGB空间转换到HSV颜色空间,分别提取边缘方向和颜色信息。定义5种基元类型进行局部结构检测,并利用直方图描述图像特征。实验结果表明,与LBP直方图和Gabor滤波器方法相比,该方法的检索性能较优。     

基于性能需求的自适应中间件框架

分析影响服务质量的构件资源需求与资源依赖关系模型,提出一种自适应中间件框架。该框架能动态感知负载变化,自适应调整服务器配置参数,确保应用的服务质量。采用回溯算法搜索最优配置,以满足性能需求。以一个信息查询系统作为测试用例进行实验,结果表明,该框架可以提高应用程序的性能。     

基于局部线模型的彩色IC图像融合

在集成电路的反向分析中，为了降低复杂度，通常需要将彩色图像变换成灰度图像，即将彩色图像的3个灰度分量图像融合得到一幅新的质量更高的灰度图像后再进行后续处理。由于IC(integrated circuit)线网图像具有局部相似性，因此仅在自动选取的局部孤立线邻域内进行融合以得到适用于全局的最优线性组合系数。为了描述图像中感兴趣的特征，为局部孤立线建立了一种新的线模型，并将基于模型的融合分为特征提取、特征增强和噪声抑制3步来完成。实验结果表明，基于局部线模型的融合方法在增强感兴趣的特征和提高图像质最上优于传统算法。     

基于局部结构张量的图像三边滤波器

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题,提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息,获得能够刻画图像内容差异的特征信息。在此基础上,设计基于图像特征分类的灰度相似权函数,同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下,以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式,并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明,该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。     

基于PDE's的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征,而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核,实验结果表明改进后的平滑方法既能更有效消除孤立噪声点,又可以更好地保持边缘。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染。因此,对于数字图像应该对其进行去噪音处理。传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像。实验证明具有很好的效果。     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染.因此,对于数字图像应该对其进行去噪音处理.传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像.实验证明具有很好的效果.