基于偏微分方程的彩色图像去噪综合模型

把结合了二阶偏微分方程ROF模型和四阶偏微分方程LLT模型的去噪综合模型从灰度图像推广到彩色图像.在RGB彩色空间中,依次对每个彩色分量进行去噪处理,然后再合成彩色图像.实验结果表明,综合模型在去噪效果和细节保护方面都有较好的表现.     

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。     

一种改进的自适应PDE去噪算法

讨论了经典的偏微分方程去噪模型——TV模型和四阶PDE去噪模型的优点与不足,提出一种改进的综合去噪模型。通过自适应的系数选择,将TV模型和四阶PDE去噪模型进行加权组合.数值试验结果表明,改进算法不仅保留了传统算法的优点,而且能有效提高去噪效果.     

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.     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪; 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪； 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

用于图像去噪的一个四阶偏微分方程

用偏微分方程给图像去噪,传统上方程都是二阶的,Yu-Li和M.Kaveh提出的一个四阶偏微分方程,在去噪的同时,更好地保持并近似了图像的边界,但Yu-Li和M.Kaveh所提出的偏微分方程对椒盐噪声却无能为力,并且容易造成光滑区域不平整的现象.针对这个现象,作者修改Yu-Li和M.Kaveh方程中的一个扩散项的系数,得到了一个去噪效果更好的方程,并且可以消去椒盐噪声.     

一种基于PDE与结构-纹理分解的图像去噪方法

结合二阶偏微分方程的ROF图像去噪模型与四阶偏微分方程的LLT去噪模型,提出了一种结构-纹理分解的图像去噪模型。该模型先将噪声图像分解成结构、纹理和噪声三部分,然后利用ROF模型来控制图像的结构部分,利用LLT模型来控制图像的纹理部分,再将两部分耦合则得图像去噪的泛函极小问题。利用变分法获得与泛函极小问题等价的Euler-Lagrange方程后,然后采用梯度下降法求解所得等价方程,从而实现图像去噪。实验仿真结果表明本文提出的模型不仅能有效地去除噪声,而且在去噪的同时尽可能地保持图像的纹理特征。     

基于改进“自蛇”模型的图像去噪方法

根据对现有的一些偏微分方程(PDEs)去噪模型的分析,提出了一种基于"自蛇"模型的的图像去噪模型。该模型在原模型上增加一个保真项,使其在图像滤波的同时能保留图像细节信息。与各去噪模型进行比较实验,实验结果表明:使用改进的模型对图像去噪在滤除噪声的同时可以保持细节信息,应用改进"自蛇"模型进行图像去噪是一种有效的工具。     

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”.     

基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.     

基于偏微分方程扩散系数的图像去噪研究*

在偏微分方程P-M模型图像去噪过程中,扩散系数的选择会影响图像去噪的效果;为此提出了一个新的扩散系数模型来实现图像去噪.首先分析讨论了P-M模型中扩散系数和梯度阈值的选取对图像去噪的重要性;并对比了两个扩散系数的优点和缺点,在此基础上提出一个新的扩散系数;并应用到正则化P-M模型和四阶偏微分方程YK模型中进行数值离散实验.实验结果表明,采用新的扩散系数在正则化的P-M模型和YK模型的去噪效果教好,提出的扩散系数能够有效地进行图像去噪.     

一种基于纹理补偿的图像恢复方法

基于TV模型的图像修复方法对非纹理图像有较好的恢复效果,但对带纹理的图像,很容易将纹理磨掉。本文从原图像中提取纹理,针对纹理作恢复处理,再将恢复后的纹理信息补偿到TV模型输出的图像上。实验结果表明这种方法大大提高了视觉效果。     

基于TV模型和L2-模型的图像去噪方案

TV模型是图像去噪中保持图像边缘的模型之一.运用L²-模型从观察图像中提取光滑的草图,然后利用TV模型从残余图像中恢复一些丢失的有用信息,从而有效地避免TV模型的阶梯效应,使得恢复后的图像具有很好的视觉效果.     

基于交叠组合稀疏全变分的图像去噪方法

全变分作为一种常用的去噪模型,在图像去噪中较好地保持图像边缘信息,但是容易产生"阶梯效应"。为了克服这个缺点,提出一种基于快速傅里叶变换的交叠组合稀疏全变分去噪模型。首先,充分考虑图像梯度的邻域结构相识性,通过交叠组合计算像素点的梯度,以凸显平滑区域的高噪声污染点和边界区域像素点的差异。然后,基于快速傅里叶变换和交替方向乘子算法在频域中求解去噪模型。实验结果表明,新模型在保护图像边缘信息的同时,有效去除噪声,同时抑制"阶梯效应"。与几种较好的去噪算法相比,新模型的峰值信噪比、结构相识度、视觉效果、计算效率均有明显提高。     

基于分数阶变分问题的TV模型

作为图像处理领域中的重要课题,图像去噪问题虽然已被研究多年,但将分数阶微积分应用于此,却还处于刚刚起步的阶段.本文采用频域分数阶化的技巧,引入了频域分数阶差分,并通过整数阶变分导出分数阶变分,再将其应用到分数阶TV模型中.仿真实验表明,频域分数阶差分能更好地保留图像的低频成分;而在图像去噪的研究中,相比整数阶差分,分数阶差分效果更优;并发现极大峰值信噪比的最优阶数和噪声方差有逆向联动关系.