基于平滑核的广义变分去噪模型

基于偏微分方程的变分模型是目前图像处理中最好的方法之一,然而,在解决图像去噪中的反问题时,传统的全变分模型存在"阶梯"效应这一固有缺陷.针对该不足,本文提出了一种基于平滑核的广义变分去噪模型(即u=arg min{J(u)=∫Ωφ(|△u|)dxdy+λ/2∫Ω|u-u0|3 dxdy}),该模型采用通用形式的平滑核函数作为图像的正则化项,选取一种鲁棒性好和边缘保持能力强的势函数,利用变分原理推导出与该模型相应的偏微分方程,最后给出了结合梯度加权最速下降法和半点格式的数值迭代算法(un+1ij-unij+δt·[φ'(△u|)/|△u|uξξ+φ"(|△u|uηη)nij+(λ(u0-u))nij]).大量实验仿真结果表明,该模型对高斯噪声图像具有良好的噪声滤除和细节保护能力,与传统全变分模型相比,无论是主观视觉效果,还是客观性能评价指标(PSNR)方面,都具有明显的优势.     

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。     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于变分偏微分方程的双参数图像去噪模型

给出了一种基于变分偏微分方程的双参数图像去噪模型。利用变分法的极大极小原理,证明了该双参数模型存在唯一的极小值,给出该模型的Euler-Lagrange方程,根据给出的偏微分方程的离散格式,对噪声图像进行去噪,与Rudin,Osher and Fatemi提出的模型（ROF模型）的结果比较,结果表明,双参数模型在视觉上及峰度信噪比上都比ROF模型的去噪效果好。     

基于一致增强异性扩散模型的钞票图像恢复方法*

本文提出一种基于偏微分方程的钞票图像恢复方法。通过分析常用的几种基于偏微分方程（PDE）的图像恢复模型,结合赃污钞票图像特点,最后选择一致增强异性扩散模型,并提出了一种该模型的数值解法对脏污钞票图像进行修复。实验结果表明,用这种模型可以对钞票图像的平滑区域和边缘细节均有比较好的修复能力。     

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.     

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.     

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．     

基于核密度估计的图像平滑的最优停止

运用偏微分方程进行图像平滑的过程中,迭代的最佳停止次数一直都是研究重点.利用随机变量之间的独立性,提出一个基于核密度估计的最优停止准则.该准则能获得准确的最佳停止次数,且不需要预知图像中的噪声水平.数值实验结果表明,该准则所得到的最佳停止次数非常接近于均方差（mean square error,MSE）方法所得到的最佳停止次数,且适用于多种噪声水平.