基于能量分布的自适应整体变分去噪方法

 研究了整体变分去噪的机制,提出了一种基于能量分布的自适应整体变分去噪模型,该模型继承了传统整体变分去噪保边缘的优点,并能够根据图像区域能量分布的特征,在不同区域自适应地选择相应的规整化参数,进行不同强度的去噪,在去噪保边缘的同时,较好地保持了纹理细节,在一定程度上克服了传统整体变分方法的缺点.     

基于熵变分的图像去噪模型

针对传统Tikhonov正则化模型存在的不足,根据最大后验概率（MAP）和最大熵的理论,提出了一种基于熵变分的图像去噪模型。该模型利用图像像素点的梯度信息自适应的对带噪图像进行各向异性滤波处理,在去除噪声的同时有效保留了图像的边缘细节。采用变分法推导出了该模型对应的偏微分方程,最后结合梯度加权最速下降法和半点格式的数值迭代算法对方程进行求解。实验结果表明,该模型去噪后的图像比Tikhonov正则化模型具有更好的客观评价指标和主观视觉效果。     

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。     

对图像处理中ROF全变分模型的两种算法的比较研究

全变分图像去噪问题的本质是一类基于全变分的约束极小化模型.其中最经典的模型是由Rudin-Osher-Fatemi提出的ROF模型[1].在这一模型中,正则化参数的选取直接影响到图像恢复的效果,当给定一个适当的正则化参数来平衡数据拟合和正则解时,可以得到十分理想的结论.在过去的二十年中,通过对这一模型的研究,产生了各种有效的算法.不同的算法通过调节正则化参数,都在不同程度上达到了去噪的目的.本文中,应用两种算法：梯度下降法和分裂Bregman算法,对带噪声图像进行了数值仿真和比较,结果显示分裂Bregman算法能够达到更好地去噪效果.     

水平集曲率引导的卡通—纹理图像分解

针对全变分(TV)正则项不利于保持图像拐角及已有分解变分模型中零散度向量函数被忽略的问题,提出一个水平集曲率引导的图像分解模型.首先,分析图像的曲率与梯度的关系,将水平集曲率与低通滤波器结合加入模型正则项.同时,对用于刻画纹理的H-1泛函,保留其忽略的零散度向量函数,给出带零散度向量函数约束的图像分解模型.然后,给出假设模型的算法及求解步骤.最后,用不同的图像在三个变分模型上进行分解实验,并展示了结构、纹理和零散度向量函数的向量场信息.结果表明,该模型能明显提高图像分解效果.     

各向异性扩散方程和一种图像放大方法

小波的多分辨分析和变分方法相结合,提出一个图像平滑和放大同时实现的正则化模型.主要思想是把原图像作为放大图像的小波子带,对正则化泛函模型求变分导出Euler-Lagrange方程.图像放大和平滑同时实现.利用可加算子分裂(AOS)格式求非线性扩散方程的数值解.最后数值计算的实例说明对图像放大和平滑的有效性.     

基于总变分彩色图像恢复问题的有效算法

为改进彩色图像的恢复效果,针对数字图像在获取和传输过程中产生的图像退化问题,提出一种改进的总变分正则化模型.首先在最大后验估计的框架下,将彩色图像退化问题转化为总变分最小化问题;然后选择L1范数作为总变分模型的正则项;最后引入对偶变量,将上述问题转化为极大极小问题,利用一阶原对偶算法结合分块矩阵求逆的算法处理上述极大极小问题.实验结果表明,与交替迭代算法相比较,该算法对彩色图像进行去噪和去模糊的能力更优,实验验证了该算法的有效性和优越性.     

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。     

基于变分法对带噪图像的边缘检测

本文利用变正则参数的变分法达到对图像去噪和保边缘的目的,通过5点差分格式得到变分模型的离散解法,这样可以避免格林函数的繁琐计算,易于计算机编程。图像边缘提取利用改进Canny算子的双阈值方法。利用Matlab程序在标准图像Lena上进行数值实验,结果表明本文方法效果优于其他经典算法。     

基于变分正则化的混合泊松-高斯噪声图像去噪方法综述

对基于变分正则化的混合泊松-高斯噪声图像的去噪模型及算法进行综述.首先,简要介绍了2个针对单一类型噪声的去噪模型,包括处理高斯噪声的ROF模型和处理泊松噪声的TV-KL模型;然后,在此基础上重点介绍基于变分正则化方法的混合泊松-高斯噪声去噪模型,包括通过最大后验估计推导的精确泊松-高斯噪声去除模型、Shifted-Poisson模型、TV-IC模型,以及广义的Anscombe变换模型和PURE模型等;相应地,总结了求解上述模型的常用高效数值算法,包括原始-对偶算法、交替方向乘子算法和半光滑牛顿算法等;在数值实验部分,对相关模型的噪声去除效果进行评估;最后,对该领域未来的研究方向进行了展望,指出了在模型改进、具有收敛性保证的算法设计、自动调参策略以及高维非线性等几个方面存在的问题和未来的发展方向.     

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。     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

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.     

算子及观测数据都非精确情况下一种新的正则参数选择方法

在考虑算子及右端项都扰动的情况下,研究求解第一类算子方程的正则参数选择方法.提出了一种新的正则参数选择策略:即修正的广义偏差原则(MGDP)并进行了理论分析,数值试验则进一步证明了该方法的有效性.     

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.     

多级全方位细节保持层叠滤波器

以层叠滤波器理论为基础,通过对信号进行阈值分解和引入全方位结构元,提出了一种用于处理噪声图象的多级全方位细节保持层叠滤波器。通过在滤波算法中引入细节检测单元,使得滤波器的第2级可以针对噪声污染图象的不同区域,自动选择相应的滤波器单元,从而达到滤除噪声、保持图象边缘细节的效果.仿真实验验证了这种滤波器的有效性。