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.     

一种遥感影像噪声抑制各向异性扩散算法

噪声抑制是遥感影像处理中一个重要研究课题,但常用的去噪算法会造成细节损失。为有效抑制噪声,同时保护边缘,本研究在Perona-Malik扩散模型基础上,提出了一种新的基于方向信息测度和边缘隶属度的各向异性扩散滤波算法。本算法的核心思想是根据遥感影像在其均匀区域各向同性扩散而在边缘细节区域各向异性扩散的这种局部特征,将影像分为边缘区和非边缘区两个区域,对非边缘区采用常规Perona-Malik扩散方程完成噪声的滤除,而对边缘区采用基于方向信息测度的非线性扩散方法进行处理,在平滑去噪的同时对边缘进行修整,不仅可以很好保持边缘细节信息,而且可以对其进行增强。实验结果表明,该算法的峰值信噪比、均方误差、辐射分辨率等参数均优于常规算法,提高了遥感影像的等效视数,有效消除了影像中的相干噪声。算法具有良好的应用前景和实用价值。     

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。     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

混合噪声的各向异性扩散平滑

针对混合噪声模型中中值滤波、线性滤波与传统各向异性扩散存在固有的缺陷,通过修改扩散项的计算方式改进扩散模型并提高扩散模型的滤波特性,改进模型具有带通滤波特性,扩散过程稳定并满足极值原理。研究结果表明:中值滤波作为一种经典的非线性滤波方法仅适合于"飞点"噪声的滤波并引起图像的角点、线条损失,线性滤波扩大或使图像边界范围模糊;传统的各向异性扩散能对随机噪声有效地压制,但对"飞点"噪声会产生虚假的边缘甚至反扩散,而改进模型既具有中值滤波的特性又具有传统各向异性扩散的性能,适合于平滑不同强度与形状的混合噪声,并对角点、线条、边缘等细节信息提供足够保护。     

基于前后向扩散的图像去噪方法的研究

文章介绍了各向异性前向扩散、后向扩散以及前后向扩散的基本原理,针对前后向扩散中的恒定参数使图像细节模糊的缺点,对前后向扩散中的系数自适应改变的前后向扩散算法,并通过实验证明了自适应前后向扩散在消去噪声的同时更好地保留图像的细节信息,且具有更高的信噪比。     

高密度椒盐噪声图像恢复方法的研究

高密度椒盐噪声的消除一直是图像消噪的热点和难点问题,一些经典的滤波方法往往在高密度噪声情况下失效,无法做到在消除噪声的同时保留图像的细节信息.为解决这个问题,利用D-S证据理论进行噪声检测,在检测窗口中使用距离矩阵和偏差矩阵为非噪声点的中值添加一个校正量,利用校正后的修复值进行修正噪声.实验结果表明,本文方法在高密度噪声的情况下不但可以有效消除噪声而且可以恢复原有图像的大量信息.     

基于各向异性扩散滤波的图像去噪研究

采用各向异性扩散滤波方法,研究图像处理中的去噪问题,通过分析扩散函数和扩散常数对滤波效果的影响,利用图像压缩中判别压缩质量好坏的峰值信噪比作为迭代终止条件,在有效去除图像噪声的同时,能够保持图像的边缘信息不被过度滤除.     

小波复扩散及在DTI图像恢复中的应用

扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑白质追踪等带来严重的影响.为了减少噪声影响,采用小波复扩散方法对多通道扩散加权图像进行了恢复.小波复扩散滤波方法即在小波域中进行复扩散.该方法能够有效消除噪声影响而且具有较好的边缘保持特性.采用峰值信噪比（PSNR）和信号均方差之比（SMSE）来定量地评估本滤波器消除赖斯噪声的性能.基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑白质纤维追踪.把去噪方法和多通道小波方法以及复扩散方法进行了比较,实验结果表明本滤波方法具有良好的去噪性能.     

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。     

基于灰度值数学形态算子处理的各向异性扩散

在各向异性扩散去噪音处理中,目前的正则化方法不能阻止国像边界和角的退化介绍了在非线性扩散方程中应用灰度值侵蚀和渐进正则化尺度的新算法．它能在有效地去噪音的同时保持边界和角的局域性另外在扩散方程离散化中,用形态算于梯度代替中心差商梯度,对于图像中的单像素点的线条．前者不能增强而后者则能有效地增强最后分别给出了两种算法的增强图像的例子。     

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.     

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。     

一种图像去噪模型的数值解法

用偏微分方程数值解中常用的交替方向隐格式对Wang Qiang等提出的图像去噪中的一种基于时滞正则的扩散模型进行离散化，构造出此模型的数值计算方法，并进行了数值实验.从实验结果来看，该扩散模型能有效地去除噪声并能比较好的保持图像的一些细节特征，而本文中构造出的模型的数值解法也是非常有效的.     

基于偏微分方程的组合视频去噪方法

提出1个基于偏微分方程的组合视频去噪方法.该方法综合利用了变分运动估计方法的精确性和各向异性扩散滤波方法的保边性能等优点.方法的实施分为3步:首先,采用2维各向异性扩散滤波对噪声视频进行初始的去噪.然后,采用Brox等提出的变分光流计算方法对前1步去噪后的视频进行运动估计,目的是计算各帧的前向及后向运动场.最后,采用3维各向异性扩散滤波对运动补偿后的原始噪声视频实施最终的去噪.实验结果表明本文的方法优于经典的各向异性扩散滤波方法.     

非线性滤波技术在地震信号处理中的应用

地震序列是具有线形纹理特征的图像.早期的去噪方法多是线性的,会产生一些副作用.目前一些处理软件使用中值滤波方法,但当同相轴有倾角时就不适应了.本文根据线形纹理图像的特征,采用一致增强性扩散算法,它以扩散张量作为扩散系数,是一种各向异性扩散,能较好的保护边缘纹理信息,并针对同相轴的弱边界问题提出二阶导数处理法,它能使断裂的同相轴变得连续,更有利于解释.经计算,一致增强扩散比中值滤波信噪比有所提高,同时,同相轴更为连续,纹理更加清晰.