基于有理数阶微分的图像去噪新方法

针对现有的全变分(TV)去噪方法效果不太理想,在去噪的同时不能较好地保持图像的边缘和纹理细节,提出了一种基于有理数阶微分的图像去噪新方法。首先详细地讨论了现有的全变分去噪方法和分数阶微分去噪方法各自的优缺点;然后将全变分去噪模型与分数阶微分理论相结合,获得有理数阶微分图像去噪新模型,并推导了相应的有理数阶微分模板。实验结果表明：与改进前的方法相比,信噪比(SNR)提高了接近2个百分点,较好地传承了全变分去噪方法对图像高频部分大幅改善及分数阶微分去噪方法能够很好地保留图像纹理细节的优点,是一种有效的图像去噪方法。     

基于分数阶偏微分方程的图像去噪新模型

将分数阶微分理论和全变分方法相结合应用于图像去噪,提出了一种基于分数阶偏微分方程的图像去噪新模型。该模型很好地继承了现有的全变分(TV)模型去噪效果与保持图像边缘细节特征的优点,同时利用分数阶微分运算特有的幅频特性优势,较好地保留了图像平滑区域中灰度变化不大的纹理细节。实验结果表明：一方面,与现有去噪方法相比,新模型不仅具有较强的抑制噪声能力,而且能较好地保持图像边缘特征,还能保留更多的图像纹理细节信息,优于常用的整数阶偏微分图像去噪方法;另一方面,从峰值信噪比的对比实验可以看出该模型去噪效果优于其他方法,较好地达到了去噪目的,是一种有效、实用的图像去噪模型。     

分数阶图像去噪变分模型及投影算法

在图像去噪同时保持图像的纹理等细节是非常重要的。首先利用分数阶导数定义了新的分数阶有界变差函数空间,然后利用分数阶有界变差空间及负指数Sobolev空间,提出了分数阶变分图像去噪模型,最后提出了求解分数阶变分模型的投影算法并证明了算法的收敛性。实验结果表明,分数阶变分模型在提高峰值信噪比和保持图像纹理细节两个方面都非常有效。     

基于分数阶微积分的噪声检测和图像去噪

目的 提出一种利用分数阶微分梯度检测图像中的噪声点,并用于改进基于分数阶积分的图像去噪算法性能的算法。方法 该算法首先使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积,计算出图像在不同方向上的分数阶微分梯度,依据预先设定的阈值获得不同方向的分数阶微分梯度检测图,将在所有选定方向上梯度都发生跳变的像素点判定为噪声点;然后只对被检测出的噪声点,在8个方向上进行分数阶积分运算完成去噪处理。结果 通过在人工图像中分别添加高斯噪声和椒盐噪声以及在自然图像中分别添加高斯噪声和椒盐噪声的去噪对比实验得出相同结论,即只对图像中检测出的噪声点使用分数阶积分运算进行去噪有更好的去噪性能,获得了更好的视觉效果和更高的峰值信噪比。结论 实验结果表明,基于分数阶微分梯度的噪声检测算法对解决图像去噪和保留图像纹理细节之间的矛盾有所帮助。随着对基于分数阶微分梯度噪声检测方法研究的深入,对图像中噪声检测的准确度会进一步提高,这将提供一种用于改进目前去噪算法性能的研究方向。     

基于分数阶变分的图像泊松去噪模型

为了进一步提高图像去噪的效果,针对图像泊松噪声的特点,提出了一种有效的基于分数阶导数的图像泊松去噪的变分模型。该模型继承了全变分模型去噪效果良好的优点,并且很好地利用分数阶微分特有的幅频特性优势,在处理图像细节和纹理特征方面很好的保留了图像的“弱信息”。数值实验结果表明,该分数阶变分方法的去噪效果优于传统的整数阶变分方法,能很好地保留图像的边缘细节特征。     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

一种基于卷积积分的图像去噪变分方法

在图像去噪过程中更多地保持图像的细节信息是很重要的。将基于梯度的总变分图像去噪模型推广到基于分数阶微分的模型,并根据分数阶微分与卷积运算在特殊情形下具有相同的离散格式这一特点,提出了一种易于数值计算的基于卷积积分的图像去噪变分模型,实验结果表明,新模型在提高图像信噪比的同时,可以更好地保持图像的细节信息。     

自适应残差图像的分数阶全变分去噪算法

目的 全变分（TV）去噪模型具有较好的去噪效果,但对于图像的弱边缘和纹理细节的保持不够理想。自适应分数阶全变分（AFTV）模型根据图像局部信息,区分图像的纹理区域和非纹理区域,自适应计算投影算法中的软阈值,可较好地保持图像的弱边缘和纹理细节,但该方法当噪声增大时“阶梯”效应比较明显,弱边缘和纹理细节保持效果不够理想。针对该问题,提出一种改进的分数阶全变分去噪算法。方法 该算法在计算残差图像时,用分数阶全变分模型替代整数一阶全变分模型,并根据较精确的残差图像的局部方差区分图像纹理区域和平坦区域,使保真项参数的自适应选取更加合理,提高了算法的去噪性能。结果 针对3种不同类型的噪声图像,将本文模型与TV模型和AFTV模型进行对比实验,并采用峰值信噪比（PSNR）和结构相似性（SSIM）评定去噪效果和纹理保持能力。对于高斯噪声图像,本文算法在PSNR方面比TV模型和AFTV模型分别可平均提高2.72 dB和1.38 dB,SSIM分别可平均提高0.047和0.020。对于椒盐噪声图像,本文算法结合中值滤波算法在PSNR和SSIM方面比传统中值滤波算法分别可平均提高1.308 dB和0.011。对于泊松噪声图像,本文算法在PSNR、SSIM方面与AFTV较接近,比TV分别可提高1.59 dB和0.005。结论 通过对添加不同类型的噪声图像进行实验,结果表明提出的算法在去噪性能上与TV和AFTV相比均有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与AFTV的时间复杂度相当,时耗接近略有降低。且本文算法普适性较好,能有效去除多种典型类型的噪声。     

基于自适应投影算法的分数阶全变分去噪模型*

为了在图像去噪的同时较好地保持图像的弱边缘和纹理细节,提出基于自适应投影算法的分数阶全变分模型.该模型使用Grünwald-Letnikov分数阶微分替代全变分正则项中的一阶导数,通过将图像投影在全变分球体上以解决分数阶全变分的优化问题.并根据图像的局部信息将图像分为纹理区域和非纹理区域,从而自适应计算投影方法中的软阈值.理论分析和实验均表明,文中方法在去除噪声的同时可以消除块效应,并且能有效保持图像的弱边缘和纹理细节.     

基于分数阶偏微分的图像边缘检测新模型

现有的图像边缘检测方法效果不太理想,得到的图像边缘可能模糊。针对此问题,将分数阶微分理论和现有的Laplacian算子方法相结合应用于图像边缘检测,提出了一种基于分数阶偏微分的图像边缘检测新模型。实验结果表明,相比现有的整数阶微分边缘检测方法,该模型不仅能较好地检测出图像的边缘特征,而且对噪声具有一定的抑制作用,尤其对于纹理细节丰富的图像而言,能够检测出更多的纹理细节信息,是一种比较有效的边缘检测方法。     

自适应分数阶微分的复合双边滤波算法

分数阶微分的图像滤波和增强方法多数通过尝试不同的分数阶得到结果,并以固定分数阶进行纹理细节提取,这种方法对于复杂环境难以鲁棒的增强整幅图像中的纹理细节。为此,我们提出了一种自适应的分数阶微分的复合双边滤波方法。通过分析纹理特性,建立幅值频率非线性联合指数模型自适应选择分数阶微分阶数检测图像纹理细节,有效克服图像中纹理细节的变化;在双边滤波的框架下,引入自适应分数阶微分构建的引导图像,借助细节转移方法,确保在图像去噪的同时保持/增强纹理图像细节。实验结果表明,自适应分数阶微分的复合双边滤波算法在图像滤波、去雾、细节增强等计算机视觉应用方面具有良好的效果。     

基于纹理复杂度的自适应分数阶微分算法

图像分数阶微分算子具有较强的纹理细节信息增强能力,但最佳分数阶微分的阶数需要人为指定。为此,分析传统的分数盒维计算方法并对其进行改进,提出一种基于纹理复杂度的自适应分数阶微分算法。选择可以表示纹理细节复杂程度的分数维作为参数,自适应确定微分的阶数。实验结果表明,改进算法提取图像边缘的效果较好。     

基于分数阶微分的图像增强

通过理论分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分、非线性保留信号的甚低频,据此得出分数阶微分应用于图像增强将使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以保留的增强图像;然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的Tiansi微分算子.通过图像增强的实验表明:采用基于分数阶微分算子的图像增强方法,其增强图像的视觉效果明显优于传统的微分锐化(整数微分)方法.文中方法为拓展分数阶微分的应用领域进行了有意义的探索.     

基于1~2阶分数阶微分的图像增强算法

在利用分数阶微分进行图像增强时,现有方法大多是基于0~1阶分数阶微分,而基于1~2阶分数阶微分的方法较少。为此,分析1~2阶分数阶微分对图像增强的作用,基于1~2阶分数阶微分构造一种用于图像增强的掩模算子。实验结果表明,该算子优于常用的频域法和空域法,比现有的一些0~1阶分数阶微分算子具有更好的图像增强效果。     

一种改进的双边滤波图像去噪算法

双边滤波亮度相似度因子仅受[σr]一个参数的约束,很难准确辨析图像平滑区域及细节丰富区域的纹理信息,不能较好地保留纹理细节信息。基于此,提出一种自适应分数阶微分与双边滤波相结合的图像去噪方法。在双边滤波算法的基础上,通过分析局部纹理特征,计算频率变化梯度和幅值变化特征,建立幅值频率非线性指数模型,自适应地选择每个像素点对应的分数阶阶次[v,]构建分数阶微分掩模算子。实验结果表明,改进的双边滤波算法能够在图像滤波的同时实现纹理细节地保留/增强,获得较好的滤波结果。     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

分数阶微分滤波器及高斯分布参数估计

设计了一种分数阶微分滤波器．利用此滤波器可实现信号的分数阶微分，使得分数阶微分计算简单化．首先，采用此滤波器获得高斯分布的分数阶微分；然后，通过对高斯分布的分数阶微分的分析，建立了高斯分布的分数阶微分的过零点与微分阶数之间的关系和高斯分布的分数阶微分的最大值与微分阶数之间的关系；最后，得到了一种估计高斯分布参数的新方法．     

数字图像的Caputo分数阶微分增强

为了提高图像的对比度,提出一种基于Caputo定义的分数阶对比度增强算法.首先给出分数阶Caputo定义的分数阶方向微分和数值计算方法,并推导了8个方向的分数阶微分模板;用8个方向的微分均值替换该点原像素值,得到增强后的图像;最后证明了二阶Laplacian算子是文中方法的一个特例.实验结果表明,该方法能明显地改善图像的对比度,突出图像的细节信息,增强后的图像具有较好的视觉效果.     

基于自适应Riesz分数阶微分的雾天图像增强

为了提高雾天图像的清晰度,解决分数阶微分阶数取值的单一性问题,提出了一种新的自适应分数阶微分的图像增强方法。基于具有六阶精度的Riesz分数阶微分的近似计算公式,构造了一种新的高精度分数阶微分掩模——RH算子,并对其进行改进,形成了IRH算子。针对图像局部特征建立了分数阶微分函数,提出了一种分数阶微分选取准则,实现了阶数逐点自适应选取的方法。结合IRH算子,形成了自适应IRH图像增强算法。对于彩色图像,由于RGB空间各通道之间独立性低,对各通道增强后再叠加可能会出现颜色失真,因此将图像由RGB空间转化到HSV空间且只对亮度通道进行增强处理。选择一组雾天图像进行了实验,并与Tiansi算子,基于分割的自适应分数阶微分图像增强算法以及自适应分数阶微分的复合双边滤波算法进行了比较,实验结果表明所提算法具有明显的增强效果,并且通过计算信息熵和平均梯度进一步表明了该算法的有效性。     

基于自适应分数阶微分的Harris角点检测算法

针对Harris算法在对纹理复杂程度高的图像进行角点检测时会出现大量伪角点,以及分数阶微分应用到图像处理中需要人为地指定阶数的缺点。分析了伪角点大量产生的原因,并提出以分数阶替换原算法中的整数阶对图像进行微分的改进方法,以及一种以图像的分形维数作为参数来自适应地选择微分所需要的阶数的方法。从而使图像做微分运算时能更好地保留图像中的边缘信息,使分数阶微分可以应用于视频目标追踪、视频稳像等实时性要求较高的场合。实验表明,改进算法在进行角点检测时具有更高的精确度。