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。     

基于改进PDE扩散系数的图像去噪研究

基于偏微分方程的图像处理方法是近年来比较热门的一种图像处理方法,因为偏微分方程具有各向异性特点,使其在对图像去噪的同时又能够较好地保护图像的边缘。文章主要在前人研究的基础上,对P-M模型扩散系数进行改进。文章讨论了扩散系数对图像去噪的影响,并提出一种新的扩散函数,结合正则化的P-M模型,进行数值离散实验。实验结果表明,改进的扩散函数能够很好地对图像去噪,在迭代次数、运行时间、信噪比和峰值信噪比等方面都要优于P-M方程中所给的扩散函数。     

改进CLMC模型应用于医学图像滤波的研究

在分析CLMC模型（正则化P-M模型）的基础上,在扩散系数中加入二阶偏导数,提出了一种新的偏微分方程（PDE）模型,并采用基于半隐式方案的加法算子分裂算法（AOS）对新模型进行解算。选用MEDPIX医学图像数据库作为实验数据来源对新模型的滤波效果进行验证分析,实验结果表明,相较于CLMC模型,新模型依然能很好的平滑噪声,且在保持边缘细节方面有一定的提升。     

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.     

自适应双正则参数法在图像恢复中的应用

在利用正则化方法构造变分模型进行图像去噪时,其正则参数往往选择为恒定值.利用带噪图像中不同类型的像素点在各种方向上的不同特点,通过构造在2个不同方向上选择变动正则参数的双正则参数变分模型,对带噪图像进行自适应恢复:即在大量去除噪声的同时,尽可能地保留边缘信息.同时利用偏微分方程构造出针对数字图像的离散迭代格式,极大方便了计算.     

P-M扩散方程图像去噪方法分析

目的 对P-M扩散方程图像去噪方法的原理及参数选取问题进行分析.方法 通过傅立叶变换法和图像特征方向的正交坐标系方法.结果 该方法比从P-M扩散方程本身出发讨论其去噪原理更为直观.结论 为P-M扩散方程图像去噪的参数选取提供了理论依据.     

自适应的L1-L2范数正则化图像去噪方法

提出了一种自适应的L1-L2范数正则化图像去噪方法.相比传统的L1范数正则化与L2范数正则化,新方法有效消除了阶梯效应,同时较好的保持了图像边缘信息.为了提高计算效率,将Split Bregman算法框架应用到提出的模型中,有效的提升了收敛速率并减少了计算时间.实验结果与分析验证了L1-L2范数正则化模型在图像去噪效果与计算效率的有效性.     

基于小波变换和偏微分方程的图像去噪方法

应用小波变换去除图像噪声时虽然能保持图像的细节信息,但是图像的边缘信息被平滑了.使用偏微分方程对图像去噪,并与使用小波变换去除图像噪声后效果进行比较,实验结果表明:使用偏微分方程对图像去噪在平滑噪声的同时可以使边缘得到保持.应用偏微分方程进行图像去噪是一种有效的工具.     

图像滤波中P-M方程的两层格式算法

基于偏微分方程方法的图像处理是近十多年来发展起来的新兴领域,近年来,偏微分方程在刻画图形演化和进行特征分析等方面取得了非凡的效果,然而使用这些方法却面临着计算效率低下的问题,如何大规模提高图像处理中所涉及微分方程的快速数值计算成为一个数字图像处理里面的重要问题。在经典的Perona Malik(P-M)方程的图像处理方法基础上,构造显、隐式相结合的两层有限差分格式来提高求解的速度。仿真结果表明,构造的两层格式简单有效。     

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。     

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.     

基于PDE算法的指静脉图像预处理

为了更好地去除手指静脉图片中的噪声, 提出一种基于偏微分方程算法（PDE）的去噪新模型. 该模型在P M模型的基础上, 采用新的扩散函数, 并结合四阶PDE模型对原模型结构进行变换. 用合成图像和真实指静脉图像分别对新模型进行实验验证, 结果表明, 相对于P M模型, 新模型使信噪比（SNR）值提高了约5 dB, 且能在去除噪声的同时很好地保持指静脉特征.     

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。     

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.     

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。     

一种改进的图像自适应非线性滤波方法

针对图像的保边光滑问题，分析了Perona-Malik(PM)方程的非线性滤波扩散行为，利用保边正则化思想给出了由一种新的各向异性扩散方程所决定的图像自适应光滑算法。这种新的各向异性扩散滤波方法与PM方程的不同之处在于：扩散系数不是直接来源于图像的梯度幅值，而是在图像梯度模基础上恢复出图像的边缘信息。实验结果表明，所提方法对图像边缘的恢复结果要比PM的方法具有更高的可靠性和准确性。