图上自适应正则化的图像去噪

自适应正则化方法在不同的局部区域能够选取不同的正则化参数和正则化约束,因而能够灵活地对边缘和噪声进行区别处理。将自适应正则化建立在图上,提出了一种定义在加权图上的,具有自适应参数的正则化模型。用nonlocal means 算法构造图的权重函数,用建立在图上的自适应正则化方程实现图像的去噪处理,仿真实验结果表明：该方法能有效地去除图像中的噪声,在去噪性能上优于部分基于图论的偏微分方程方法。     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

基于正则的POCS无源毫米波超分辨率重建

针对无源毫米波图像普遍存在分辨率不高的问题,提出一种基于正则化技术的超分辨率重建方法.在具体的成像模型基础上,对获取的无源毫米波图像序列进行基于正则的凸集投影(POCS)处理.将正则化条件作为POCS的一个凸约束,使得到的高分辨率图像在平滑噪声的同时能很好地保护图像的纹理细节.实验结果表明,该方法还可以提高图像的分辨率,是一种较好的无源毫米波超分辨率重建方法.     

ECT图像重建中最小坡度正则化参数选择方法

电容层析成像图像重建反问题常常是不适定的.提出了一种在最小坡度曲线段中选择Tikhonov正则化参数的新方法用于求解这一不适定反问题.对于测量数据的干扰,不适定问题的一些正则化解比其他的解敏感程度低.该方法使用一定准则选取不敏感正则化解中的一个,将这个解对应的正则化参数作为最优值.通过仿真实验,针对两种典型介质分布,将基于最小坡度方法计算的正则化参数与流行的L-曲线法在电容测量数据施加噪声情况下的图像重建结果进行了比较.实验表明基于新方法的图像重建结果要好于L-曲线法.     

具有噪声估计机制的偏差迭代图像复原

研究了Morozov偏差方程,将图像退化模型的Tikhonov正则化解构造Morozov偏差方程.用小波变换估计图像信号的噪声能量,并运用到Morozov偏差方程中,利用Morozov偏差原理迭代求取正则参数,从而得到正则化解.提出了一种具有噪声能量估计的偏差迭代图像复原正则化方法.实验表明:在图像信号噪声未知的情况下,该迭代方法的图像复原具有较快的计算收敛速度和较好的复原能力.     

一种基于L曲线准则的正则化图像复原算法

针对因大气湍流而引起的模糊图像的复原问题,通过对偏差函数添加正则函数以使得要求解的方程组是适定的. 以偏差函数和正则化函数为坐标,得到复原图像关于正则化参数的参数曲线,用三次多项式拟合了该曲线的左端部分,并以该曲线的最大曲率点对应的参数为最优正则化参数. 当图像边界满足周期性条件时,利用傅里叶矩阵可以将分块循环矩阵对角化,进而利用二维离散傅里叶变化和反变换求解线性方程组而得到复原图像. 实验结果表明,当噪声方差较小时,可得到比较满意的复原结果.      

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法

针对高光谱图像中存在混合噪声的问题, 提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声. 子空间表示利用光谱频带之间的相关性, 选取合适的正交矩阵, 将高光谱图像投影到低维子空间中, 使提出的算法具有较低的复杂度, 简化去噪过程的同时去除图像中的部分噪声. 去噪过程基于从简化图像中提取的低秩张量进行, 引入加权低秩张量正则化项表征简化图像子空间的先验信息, 基于Tucker分解中核范数的物理意义构建合理的加权机制, 保留高光谱图像的内在结构相关性. 并且设计了一种基于迭代最小化的方法, 用于求解提出的非凸去噪模型. 在模拟和真实数据集上的实验结果表明, 该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果.     

基于正则参数后验策略的PCS迭代正则化反演

采用改进的正则参数后验策略的迭代正则化方法对单峰分布和双峰分布颗粒系的电场自相关函数进行反演,并且与正则化方法反演结果进行了比较.实验结果表明,在噪声小于0.005的情况下,正则化方法和迭代正则化方法都能较好地反演出单峰和双峰分布的颗粒,当噪声水平为0.05时,正则化反演算法已无法得出粒径分布,迭代正则化方法仍能比较准确地反演出粒径分布.     

融合全局图像信息的局部灰度拟合模型

[目的]研究提高基于局部区域信息的活动轮廓模型对轮廓初始化和强噪声的鲁棒性.[方法]以区域可变灰度拟合模型为基础提出了一个新的结合图像全局信息的局部灰度拟合模型.新模型的能量泛函包括3项:基于图像全局和局部信息的数据项、融合边缘指示函数的光滑项以及水平集函数的正则化项.通过变分法和梯度下降流方法得到水平集函数的演化方程.数值实现采用有限差分法.[结果]所提模型不仅能够有效地分割灰度不均图像、深度图像等多类图像,而且对轮廓初始化和强噪声具有更强的鲁棒性.[结论]实验结果表明该方法是有效的.     

荧光3维解卷积成像及其正则化方法

解卷积荧光成像方法由于能够提高图像质量,因此在生物领域得到越来越广泛的应用。该文基于RichardsonLucy(R-L)算法,提出全变分(TV)正则化的盲解卷积算法。采用根据实际实验系统参数仿真的球模型以及真实的荧光图像,来比较正则化前后图像的复原效果。结果表明:R-L算法可以去除由于点扩散函数引起的大部分模糊,而随着迭代次数的增加,TV正则化算法能抑制噪声的放大。TV正则化的盲解卷积算法在复原实际的生物图片中效果较好。     

基于PDE的图像放大方法研究

对基于微分方程(partial differential equation,PDE)的图像放大方法的实现及应用效果进行了比对研究.具体实现了朱宁等人的线性PDE图像放大方法和基于P-M方程的非线性PDE图像放大方法.实验结果表明,线性PDE图像放大方法在平滑区域具有较好的放大效果;而在放大倍数不大的情况下,非线性PDE图像放大方法能更好地处理边缘区域.     

CNN-PDE非线性图像滤波器

偏微分(PDE)非线性图像滤波方法具有优良特性,但由于其计算量大而无法满足实时控制需求.细胞神经网(CNN)可以描述图像PDE模型,利用模拟CNN芯片并行求解,有助于提高其实时性.本文用CNN实现了PDE偏差非线性图像滤波器,提出了一种局部运算的噪声估计方法以选择适当的平滑系数.计算结果表明,这种噪声估计方法可以对不同噪声水平作出较精确的估计.仿真实验结果表明,CNN-PDE非线性滤波器取得了满意的滤波效果,用CNN实现PDE非线性滤波器的方法是有效可行的.     

基于偏微分方程的CT图像去噪

计算计X射线断层技术(CT)广泛应用于医学诊断领域. CT图像噪声的大小直接影响到诊断的质量.对CT图像去噪方法的研究和应用成为了一个十分重要的课题.近年来,偏微分方程(PDE)方法在图像分析处理和计算机视觉领域的应用研究非常活跃.介绍了一种新颖的去噪算法各向异性扩散方法应用于CT图像去噪处理.与偏微分方程(PDE)方法和边界强化扩散(EED)方法相比,各向异性扩散方法对CT图像去噪有良好的效果,更能很好的保持细节.本文最后给出了该算法可能发展的方向和应用前景.     

基于纯各向异性扩散和四阶PDE的混合去噪方法研究

综合纯各向异性扩散模型和四阶PDE模型在图像去噪中的特点,提出一种新的去噪模型——基于纯各向异性扩散和四阶PDE的混合去噪模型.该模型克服了四阶PDE模型过多损失边缘信息和纯各向异性扩散模型在平滑区域产生阶梯效应的缺点,在有效去除噪声的同时,既抑制了阶梯效应,又很好地保持了图像的边缘和纹理细节信息.     

An image filter algorithm using level set based on discontinuous PDE

An image filter based on nonlinear discontinuous partial differential equation (PDE) is presented. It models a class of morphological image filters called the level set method for gray image processing. We discuss the theoretical aspects of this PDE. The switch signal is controlled by the discontinuous right hand of PDE. We propose a discrete algorithm for its numerical solution and corresponding filter implementation. The study provides insights via several experiments. These types of filters are very useful in numerical image analyses.     

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.     

基于一致增强异性扩散模型的钞票图像恢复方法*

本文提出一种基于偏微分方程的钞票图像恢复方法。通过分析常用的几种基于偏微分方程（PDE）的图像恢复模型,结合赃污钞票图像特点,最后选择一致增强异性扩散模型,并提出了一种该模型的数值解法对脏污钞票图像进行修复。实验结果表明,用这种模型可以对钞票图像的平滑区域和边缘细节均有比较好的修复能力。     

基于CONVEF的四阶各向异性扩散及图像去噪

偏微分方程在图像去噪中有广泛的应用。传统的二阶偏微分方程虽然具有较好的去噪效果,但是处理得到的结果容易产生阶梯效应,这种现象会引起后续图像处理的误判断。You和Kaveh提出了四阶偏微分方程,该模型可以有效的去除阶梯效应,但由于该算法是一个各向同性的滤波算法,因此图像的边缘保护能力有所降低,使去噪结果中边缘和纹理等细节信息丢失。针对以上缺点,提出了基于卷积虚拟电子场(CONVEF)的四阶偏微分方程。新的模型降低了图像在边缘方向的扩散,得到一个有效的各向异性扩散模型,从而在去噪的同时可以更好的保护图像的边缘、纹理等细节特征。     

改进的分数阶自适应PDE去噪算法

结合ROF模型和四阶PDE去噪模型提出一种改进的分数阶自适应PDE去噪算法.改进算法根据各个像素点的梯度信息自适应地选择分数阶PDE的阶数,根据尺度参数的特点,提出一种自适应的尺度参数迭代算法.数值实验表明,改进算法能够较好地提高峰值信噪比,保护边缘,有效抑制“阶梯效应”.     

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。