用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.     

各向异性扩散滤波器的迭代停止准则

利用各向异性扩散滤波模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响．本文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代。它易于实现而且有很强的通用性。实验结果表明该算法可以在图像平滑过程中适时地停止迭代,获得满意的图像平滑效果。     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。     

一种基于鲁棒估计的自适应图像平滑方法

基于鲁棒统计理论,提出一种新的保持图像边缘的图像平滑算法.将图像滤波与平滑转化为一个分段常数模型的鲁棒估计问题.并由此导出基于分段常数模型的尺度自适应鲁棒滤波器.为了自动确定鲁棒滤波器的最优尺度参数,使用直方图分析,结合非参数统计的方法来确定各点的鲁棒尺度参数.该算法可以在平滑图像的同时,保持原始图像中的边缘结构.实验表明,该算法平滑图像的效果,明显优于固定尺度的平滑算法.     

人眼视觉特性与粗糙集结合的X射线图像增强算法

针对X射线图像的低亮度及噪声造成的图像对比度差和图像模糊的问题,提出了一种采用粗糙集理论和人眼视觉系统特性的图像增强算法(HREM).先将原始图像进行灰度拉伸,再结合人眼视觉系统特性,利用粗糙集理论将图像分成边缘细节图像和平滑图像,然后对边缘细节图像做指数变换增强,对平滑图像做直方图均衡化,最后将处理好的两子图进行重叠,同时消除重叠后图像的随机脉冲噪声.实验结果表明,HREM方法不仅能较好地保持图像的边缘细节信息,有效地增强原图像的对比度,而且消噪能力强,整体视觉效果好.     

基于同向梯度扩散的图像去噪方法

在Perona-Malik模型基础上对扩散系数进行改进,引入了同向梯度扩散函数.实验结果表明,改进后的平滑方法既能更有效地消除图像中孤立噪声点,又可以更好地保持边缘.     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法.该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理.实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值.     

基于梯度倒数加权和中值滤波的图像平滑改进算法

分析了传统梯度倒数加权和中值滤波算法的特点,根据图像的相关性和连通性原理,利用邻域窗口中像素间的梯度信息,对像素进行平滑处理前先对该像素是否为噪声点进行判断,提出了一种基于梯度倒数加权和中值滤波的图像平滑改进算法。实验表明,改进算法较原算法能够更好地去除椒盐和随机噪声,同时较好地保持了图像的细节信息,处理过程的运算复杂度与原算法相当。     

基于结构张量扩散的改进PDE滤波算法

从扩散的角度分析了图像处理中传统热扩散和PM模型的不足,提出了一种各向异性的改进PDE滤波算法.该算法利用图像的结构张量信息和局部特征,自适应选取扩散系数,在图像平坦区域,具有各向同性扩散;而在图像边缘处,则只沿着切向扩散.实验结果表明,该算法具有良好的滤波性能,在滤波的同时可有效保护边缘细节,对灰度图像特别是医学图像,相对于传统方法,该算法可以获得更好的主观视觉效果和客观性能评价指标.     

一种基于各向异性扩散的图像分割算法研究

针对煤矿井下图像对比度小、纹理不清晰和数据量大等问题,根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,提出一种基于各向异性扩散的图像分割算法．首先在图像分割前对原图像进行各向异性扩散运算,在消除原图像噪声的同时,更好地划分了图像的边缘和纹理区域;然后提取图像的纹理特性运用到聚类算法中,从而对图像进行分割．实验证明：与未经扩散处理的分割算法相比,基于各向异性扩散的图像分割算法不仅改善了分割效果,而且提高了计算速度．     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

基于改进的HDCS的图像去噪方法

针对数字图像主要含有高斯噪声和椒盐噪声的特点,提出了一种基于改进的各向异性的混合扩散模型。传统的基于边缘增强和相干增强的模型,虽然能够有效地去除噪声;但也会存在减弱相干结构和背景的对比度等问题,同时在保持图像细节纹理方面可能会出现失真。通过在扩散方程中引入一个源项;并充分考虑它对模型中各项产生的影响,使得改进后的模型既能有效去除噪声,也能有效地保持相干结构和背景的对比度;同时在模型中引入一个偏微分方程用以获取保真项,使得图像的细节保护效果更明显。实验结果表明,该方法能达到较理想的去噪和恢复图像纹理信息的结果,而且明显改善了图像的视觉效果。     

基于保边函数的图像去噪

为解决传统去噪算法对图像平滑区域效果较好,但存在边缘模糊且残余噪声较大的不足,在分析传统各向同性扩散的基础上,以去噪目的为先验知识建立保边去噪模型,提出了基于保边函数的图像去噪算法.该算法对图像平滑区域进行各向同性的平滑处理,保留了传统算法的优点;对图像边缘区域进行各向异性处理克服了传统算法的边缘模糊现象.实验结果表明:基于保边函数的去噪算法具有残余噪声较小和保边性,提高了图像的PSNR和视觉效果.但是对图像中的较小边缘误作为噪声被去除.     

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.     

彩色图像增强的改进算法

为提高彩色图像的整体感官效果,在研究CES (Color image Enhancement by Scaling) 算法出现块效应的原因基础上,提出了一种改进算法,即各向异性扩散滤波器的ICES (Improved Color image Enhancementby Scaling)。与CES相比,ICES算法在不增加计算复杂性的前提下,不仅得到了不逊于CES算法的增强效果,还能极大地抑制块效应。     

基于金字塔模型和各向异性滤波的分层自适应图像增强算法

结合拉普拉斯金字塔模型分解和前后双向异性扩散算法,提出一种分层自适应图像增强算法.该算法首先进行图像的高动态范围压缩,然后采用拉普拉斯金字塔模型方法将原始图像分解为不同尺度和频率下的带通图像序列.根据不同频率层图像的纹理方向特征,设计自适应参数法修改扩散传导方程的参数,在不同频率图像层上分别实现噪声平滑和边缘特征的增强.仿真实验通过与其它图像增强算法进行比较,评价结果表明,提出的分层自适应图像增强算法的处理效果良好,定量评价指标大幅改善.     

基于各向异性扩散的图像分割算法

提出了一种基于各向异性扩散的图像分割算法.对现有的各向异性扩散的正则化方法进行了分析.根据微分几何中共形映射的有关理论,把原扩散方程分解为关于表面曲率的二阶方程,给出了分解式的正则化条件,保证了解的稳定性.通过对扩散系数的调节,提高了对各向异性扩散过程的控制能力.在形态学分割的基础上,通过能量函数最小化实现非线性尺度空间中的区域合并,消除了分水岭算法造成的严重过分割现象.实验结果表明,该算法的分割结果可为后续识别和理解提供较理想的方式.     

基于小波分析和Retinex算法的图像增强算法

为了改善图像增强效果, 提高图像质量, 提出一种基于小波分析和Retinex算法的图像增强算法(WA Retinex). 先采用小波分析对图像进行多尺度分解, 去除图像中的噪声; 再采用Retinex算法对图像细节信息进行增强, 并引入更符合人眼视觉特性的拟合函数拓宽图像灰度范围; 最后通过仿真实验对其有效性和优越性进行分析. 实验结果表明, 该算法明显改善了图像的整体视觉效果, 能更好地刻画图像细节信息,  性能优于现有的一些经典Retinex算法.