基于改进的各向异性扩散图像去噪算法研究

针对各向异性扩散图像去噪算法加以研究,根据扩散函数平滑力度强弱,结合图像梯度变化,构建局部图像梯度与扩散函数之间的关系,选取扩散函数,提出了一种改进的各向异性扩散函数模型。该模型不仅能够较大程度地解决传统PM模型滤波存在较多孤立噪声点的问题,且对于图像边缘保持也有较好的效果。实验结果表明,所提出的扩散模型性能优于LCC和Perona的各向异性扩散模型,能够达到良好的平滑保边缘目的。     

一种基于改进PM方程的虹膜预处理算法

提出了一种新的虹膜预处理方法.该方法使用基于改进PM方程构建的扩散滤波器对虹膜进行平滑预处理,利用其保边光滑的特性提取虹膜内边缘点.仿真结果显示,该算法的稳定性、速度和精度已经达到较高程度.     

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．     

基于结构保持的增广型各向异性PDE滤波

基于偏微分方程模型的图像恢复框架,从各向异性扩散的角度,提出了一种基于结构保持的增广型PDE图像滤波算法.首先定义了一种新的扩散权函数,采用差曲率代替传统的梯度算子作为边缘判别器,以克服后者对噪声敏感的不足.并根据图像结构张量信息分别设计了梯度和切线2个不同方向的扩散系数,在图像平坦区域,梯度和切线2个方向具有同等扩散,而在图像边缘处只沿着切线方向扩散.同时,引入数据保真项,有利于在滤波时保持图像细节.实验结果表明,无论对灰度图像还是医学图像,该算法可比现有其他几种扩散模型取得更好的主观视觉效果和客观性能评价指标.     

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.     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

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。     

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.     

基于区域划分的合成孔径雷达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)在抑制合成孔径雷达(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,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。     

基于保边函数的图像去噪

为解决传统去噪算法对图像平滑区域效果较好,但存在边缘模糊且残余噪声较大的不足,在分析传统各向同性扩散的基础上,以去噪目的为先验知识建立保边去噪模型,提出了基于保边函数的图像去噪算法.该算法对图像平滑区域进行各向同性的平滑处理,保留了传统算法的优点;对图像边缘区域进行各向异性处理克服了传统算法的边缘模糊现象.实验结果表明:基于保边函数的去噪算法具有残余噪声较小和保边性,提高了图像的PSNR和视觉效果.但是对图像中的较小边缘误作为噪声被去除.     

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。     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

Snakes外力场的改进及其左心室MRI的精确分割

参数活动轮廓模型（Snakes）分割图像时有两个明显的缺陷：要求初始轮廓线位于图像特征附近，且对深度凹陷区域的分割也不理想。基于梯度向量流（GVF）Snakes较好地解决了传统Snakes的两个本质缺陷。但是，由于GVF Snakes内力的性质和GVF的光滑性，使得对曲率大的边缘点不能精确定位。该文通过采用各向异性方程对图像扩散平滑和边缘增强，改善计算势能力场和梯度向量力场指向边缘的精确度。两种力场的有机组合作为Snakes的外力场。这种新的力场Snakes具有GVF Snakes和势能力场Snakes的优点，对左心室核磁共振图像（MRI）进行分割能得到精确的边缘轮廓。     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

多方向几何非线性扩散图像去噪方法

现有几何非线性扩散滤波器同时在水平和垂直方向进行扩散,没有考虑图像边缘的方向性,有损其去噪效果.提出根据像素8-邻域方向的梯度值检测边缘点及其边缘方向,对边缘点仅沿该边缘方向进行几何非线性扩散,而对非边缘点进行4个方向上的几何非线性扩散.5个等级噪声强度和5个典型加噪图像去噪实验结果表明,本文方法能够更有效地去除图像中的噪声,同时更好地保护图像边缘.     

非局部偏微分方程去噪模型

针对传统扩散模型中的边界模糊问题, 提出一种基于非局部信息的非线性偏微分方程去噪模型. 在新模型中引入非局部梯度以探测图像边界, 在区域内部和边界处以不同的速度进行扩散, 从而达到去噪和边界保持的效果. 数值计算采用单边格式计算非局部梯度, 以防止离散情形下边界信息的损失. 理论分析和数值实验结果表明了此模型的有效性.     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

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.