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.     

一种去除乘性噪声的自适应混合阶偏微分方法

针对偏微分方程在图像处理中的斑点噪声滤除问题,在自适应全变分去噪模型和四阶LLT去噪模型的基础上,提出一种针对乘性噪声的自适应混合阶变分去噪方法。该方法引入混合阶偏微分方程和尺度自适应边缘检测函数作为正则项,并利用乘性噪声分布构建保真项。用标准测试数据对所提自适应混合阶变分降噪模型进行验证,试验结果表明,该模型在有效滤除图像乘性噪声的同时,能很好地保护图像的边缘和纹理细节信息。处理后的图像在峰值信噪比PSNR、均方误差MSE、运行效率方面均优于自适应全变分和LLT模型。     

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于前向与后向扩散模型的变分去噪

基于偏微分方程的算法是近年来图像增强中广泛运用的去噪技术.对于图像去噪,单一地采用ROF算法无法有效地保留图像的细节信息,也会产生局部的阶梯效应.针对这个问题,提出结合全变分和前向与后向扩散模型的算法,不仅有效地锐化边缘效果,而且控制了阶梯效应的产生.最后实验结果表明两种方法的结合对于图像有更高的峰值信噪比,改善了单一方法对图像去噪的局限性.     

一种基于曲率驱动的四阶PDE图像去噪模型

噪声的存在降低了图像中信息的有效性,图像降噪显得尤为重要.针对曲率驱动模型和四阶偏微分方程去噪方法的各自特性,提出了一种新的混合去噪模型,把CDD和四阶PDE通过某一权函数进行组合,很好地保持了二者的优势,在有效去除图像噪声的同时,很好地保留了图像的纹理细节和轮廓信息.     

基于全变分自适应保真项去噪算法的数值实现

基于全变差图像去噪经典算法,提出一种自适应保真项的数值实现算法.该算法利用图像纹理区和光滑区中噪声的不同特点,采用不同去噪强度避免传统方法的不足,并以数值方法实现.在保持经典算法去噪效果的前提下,解决了原有阶梯效应和过度平滑的问题,尤其对精致的纹理和细节图像,使其在去噪的同时,不丢失图像特点.该方法处理相对简单,可应用于以偏微分方程为基础的图像处理.     

基于改进总变差模型的图像去噪算法

总变差模型(TV)是基于偏微分方程图像去噪模型中的经典模型,但去噪的过程中存在阶梯效应(块儿效应),使去噪后的图像显得很不自然,这是由于TV模型的分段平滑造成的.本文加入自适应系数,使其在平滑区域退化为类似于拉普拉斯算子的各向同性扩散,加快扩散速度,消除阶梯效应;在边缘位置,新模型沿切线方向扩算,抑制法线方向扩散,保持边缘.     

一种新的4阶偏微分方程图像处理方法

提出了一种新的4阶偏微分方程去噪模型,与已有4阶偏微分方程模型、各向异性扩散模型、各向异性中值扩散模型和形态学扩散去噪模型相比较,该模型有效地权衡了噪声平滑效果和边缘保持,并通过数值算例验证了该模型的优越性.     

利用偏微分方程的Tetrolet变换图像去噪

对图像进行Tetrolet变换后利用偏微分方程对图像进行了质量改善,仿真结果表明,该算法不仅能有效去除噪声,而且可得到更高的峰值信噪比和更好的视觉效果,去噪后图像较光滑,减少了方块效应,更多地保留了图像边缘和细节等局部特征.     

基于小波变换和偏微分方程的图像去噪方法

应用小波变换去除图像噪声时虽然能保持图像的细节信息,但是图像的边缘信息被平滑了.使用偏微分方程对图像去噪,并与使用小波变换去除图像噪声后效果进行比较,实验结果表明:使用偏微分方程对图像去噪在平滑噪声的同时可以使边缘得到保持.应用偏微分方程进行图像去噪是一种有效的工具.     

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.     

一种应用于异质扩散的噪声腐蚀新算子

提出了一种新的基于偏微分方程的形态学腐蚀算子,该算子能够直接对梯度图像进行噪声抑制和边缘增强,在异质扩散系数的求取过程中,摈弃了传统的在低分辨率条件下计算图像梯度的方法,而是直接利用该算子对梯度图像进行噪声抑制和边缘增强．与基于高斯光滑以及传统的形态学预滤波方法相比,新的扩散系数具有更好的边缘定位能力和对噪声的鲁棒性．实验结果表明基于该算子的异质扩散滤波新方法具有更好的图像光滑和细节保持性能．     

基于自适应参数的全变分综合图像去噪模型

分析了ROF去噪模型和LLT去噪模型的优缺点,提出了一种基于自适应参数的全变分综合图像去噪模型.先利用高斯滤波对噪声图像进行预处理,以减少噪声在后续处理时被当成假边缘的可能性,再根据图像中每一像素点的梯度信息,自适应地选取模型中决定平滑强弱的参数,使模型能在接近图像边缘处平滑较弱,在远离边缘处平滑较强.实验表明,本模型在去噪的同时能有效地保留图像的纹理信息,并对降噪性能指标有较好的提高.     

图像修复的方向梯度TV模型研究

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.     

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。     

超声图像斑点噪声限制的非线性各向异性扩散

结合非线性各向异性扩散和斑点噪声的限制,有效抑制临床超声图像斑点噪声.基于最小均方误差方法得到瞬时方差系数作为边缘检测器去控制扩散方程,并将经过对数压缩的斑点噪声模型限制通过附加能动项引入,通过能量最小化,自动估计附加能动项最优权值.仿真图像和临床超声图像实验证实,该算法能有效抑制斑点噪声、保留纹理信息.     

一种基于偏微分方程的形态学边缘检测新方法

提出一种基于偏微分方程(PDE)的形态学腐蚀算子．在边缘检测中，直接对原图像求取一阶差分，利用该形态学腐蚀算子增强边缘梯度、降低噪声的影响，突破了传统的先低通滤波后计算梯度的边缘检测思路．形态学运算不会带来边缘位置的偏移，因此能够对图像的边缘准确定位，同时具有抗噪性．将新方法的边缘检测性能和Canny算子、Log算子做了比较，结果表明提出的边缘定位方法更加准确，具有更好的抗噪性能．