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.     

结合等照度线信息的图像去噪变分模型

噪声是图像获取、传输和储存过程中不可避免的现象,去噪是图像处理的首要步骤与基本问题,也是后续的高层次图像处理的基础。基于图像梯度的PM模型能有效增强图像的轮廓信息,但同时会造成图像边缘模糊并在图像的平滑区域产生阶梯效应。图像的等照度线能有效抑制图像边缘的过度平滑,考虑到等照度线与PM模型图像梯度的互补性,提出一种同时极小化图像梯度与原图像等照度线信息的复合变分模型,并给出该模型的迭代求解过程。通过对比实验证明,提出的复合模型能有效地利用原图像的结构信息,在消除平滑区域阶梯效应的同时能增强图像的边缘,取得较高的峰值信噪比,获得较好的图像去噪性能。     

基于最大后验概率的la范数去噪方法

从观测模型和先验模型入手,深入分析了在图像去噪过程中如何在边缘保护和去除噪声之间寻找平衡,针对TV先验模型在边缘保护和纹理保护中的不足,提出了新的基于最大后验概率的la范数去噪方法,该方法更好地保护了图像的边缘,同时使得在平滑区域产生的阶梯效应减少.数值实验进一步验证了该方法的正确性和有效性.     

基于Euler弹性项的去噪模型及Split bregman算法

TV去噪模型是基于一阶导数总变差的变分模型,容易在光滑区域出现阶梯效应。通常利用高阶导数信息来使图像扩散更加平滑。Euler弹性项使用光滑的边界对图像进行处理,广泛应用于图像遮挡,修复,分割等领域。本文主要研究基于Euler弹性项的图像去噪模型,并采用Split Bregman算法实现,有效地改善了TV模型的阶梯效应,并用数值实验验证了算法的有效性。     

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.     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

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.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

基于边缘增强总变分正则化盲泊松图像反卷积

针对总变分的方法支持分片常值解,易导致图像内容中的平坦区域出现"阶梯效应"和纹理及部分细节随着噪声消失等问题,提出基于边缘增强总变分正则化的盲泊松图像反卷积方法.受边缘信息对视觉感知的重要性的影响,提出具有空间自适应性的边缘增强指示算子约束总变分正则化项,并采用双边滤波区分图像内容中的边缘和平坦区域.一系列仿真和真实模糊图像实验表明:提出的方法与其他方法相比具有较好的平滑平坦区域和保边缘的特性.     

各向异性全变分图像去噪算法

图像去噪是图像复原问题中的重要研究内容之一,在此过程中图像的高频部分易受到破坏。针对这一情况,通过引入不同的权重参数惩罚x与y方向上的梯度算子,提出修正的各向异性全变分去噪模型。引入的权重参数具有局部自适应性,可以使模型对应欧拉方程在图像切线与法向方向的扩散具有更鲁棒的各向异性扩散能力,可以达到保护图像细节的目的。另外,提出的模型是具有可分裂结构的非光滑凸优化问题,采用算子分裂技术将其转化为多个易求解的子问题,并在交替方向乘子法的框架下求解,从而保证了算法在理论上的收敛性。与现阶段其他变分型的复原模型相比,所提出的模型在有效抑制噪声的同时能有效地保持图像的局部结构特征。对于分块效果明显,噪声水平较低的图像去噪结果十分显著;对于分块效果不明显,图像细节较多的图像,该模型依然有效。     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法.该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理.实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值.     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型，在增强图像细节的同时，能够抑制噪声的放大和过冲现象，同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明，使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型，在去除噪声的同时，能够更好地保留图像的细节和边缘特征。     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型，在增强图像细节的同时，能够抑制噪声的放大和过冲现象，同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明，使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型，在去除噪声的同时，能够更好地保留图像的细节和边缘特征。     

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.     

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.     

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.     

一种改进偏微分方程扩散系数的图像去噪方法

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CLMC模型进行数值离散实验。实验结果表明,采用新的扩散系数得到的信噪比和峰值信噪比要比P-M方程中所给出的两个扩散系数得到的信噪比和峰值信噪比好。提出的扩散系数能够有效地进行图像去噪。     

一种改进的偏微分方程图像平滑方法

针对退化扩散方程在图像平滑时对角点的圆弧化,提出由梯度及其正交方向上的二阶方向导数共同决定扩散速度。在图像的角点位置上,扩散速度趋于零,在线条点位置上,扩散速度由梯度的模值来决定,并在与梯度正交的方向上进行平滑,在灰度变化不大的区域上,采用传导系数为常数的热方程进行平滑。文中的理论上说明了扩散速度的构造方法。实验结果表明,该扩散模型在对图像进行平滑的同时,对特征点的保留是明显的。     

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.