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。     

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。     

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。     

一种基于PDE的多幅图像超分辨率复原算法

基于超分辨率复原问题,提出一种新的基于偏微分方程(PDE)的多幅图像超分辨率复原算法。该算法根据图像局部特征的不同,引入先验约束项,通过梯度下降法求解图像超分辨率复原的正则化问题。算法分为基于PDE的平滑扩散、锐化增强和保真约束3部分。实验结果表明,该算法能够有效地提高复原图像的主观视觉效果和客观保真度。     

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

基于小波变换的扩散滤波模型数值解的收敛性

证明了基于小波变换的扩散滤波模型数值解的收敛性.结果表明,如果假定该模型的弱解存在惟一并满足一些正则性假设,则用半隐迭代格式得到的数值解收敛到原方程的弱解.考虑到图像边缘的多尺度效应,该模型用小波变换模代替以往模型中的梯度模,在去噪的同时较好地保持了图像的边缘信息,并克服了经典去噪模型不能有效地除去图像边缘处噪声的弱点.该模型在医学图像处理中展现了良好的性能.     

一种去除高斯噪音的新方法

提出一种新的去除高斯噪音的方法（NLTF）。该算法利用梯度能很好地反映图像结构信息的特点,把梯度引入双边滤波算法中,又结合非局部均值的思想,而提出一种改进算法。它在保护图像边界和细节方面比双边滤波算法有明显优势;在去除高斯噪音上比非局部均值平滑的更好。仿真实验证明,使用NLTF去噪,在视觉效果和PSNR等方面均超过已知的许多经典算法。     

去椒盐噪声的新型图像复原模型

针对已有的去噪模型不能有效刻画图像局部特征的缺陷,提出一种新型的去椒盐噪声图像复原模型.在模型的全变分项中,通过引入权矩阵来刻画图像的局部特征以达到增强各向异性扩散的目的.另外,为了刻画图像的稀疏性,同时在模型中引入低秩矩阵正则化.由于模型是非光滑凸优化问题,因此可以利用交替方向乘子法快速求解,并在理论上证明了算法的收敛性.最后的数值比较验证了所提模型和算法的有效性.     

二维位势问题中的正则局部边界积分方程方法

针对无网格局部边界积分方程方法中，边界点局部边界积分方程存在的Cauchy奇异性，引入正则化列式进行消除。推导了正则化位势边界积分方程，给出了与边界点局部边界积分方程相应的正则化计算公式。数值算例表明该方法能够有效地消除这种奇异性，最终给出高精度的数值结果。     

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。     

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.     

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.     

一种基于全变差的新去噪方法

提出了一种新的基于全变差的图像去嗓方法。该方法通过对梯度变化将各向同性扩散与各向异性扩散有机的结合起来,并考虑图像的局部特征信息。白适应地改变扩散参数,较好地处理了去除噪声、保持边缘角点这对在图像去嗓中存在的矛盾。实验结果表明该方法有很好的性能。     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

基于改进的HDCS的图像去噪方法

针对数字图像主要含有高斯噪声和椒盐噪声的特点,提出了一种基于改进的各向异性的混合扩散模型。传统的基于边缘增强和相干增强的模型,虽然能够有效地去除噪声;但也会存在减弱相干结构和背景的对比度等问题,同时在保持图像细节纹理方面可能会出现失真。通过在扩散方程中引入一个源项;并充分考虑它对模型中各项产生的影响,使得改进后的模型既能有效去除噪声,也能有效地保持相干结构和背景的对比度;同时在模型中引入一个偏微分方程用以获取保真项,使得图像的细节保护效果更明显。实验结果表明,该方法能达到较理想的去噪和恢复图像纹理信息的结果,而且明显改善了图像的视觉效果。     

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.     

基于前后向扩散的图像去噪方法的研究

文章介绍了各向异性前向扩散、后向扩散以及前后向扩散的基本原理,针对前后向扩散中的恒定参数使图像细节模糊的缺点,对前后向扩散中的系数自适应改变的前后向扩散算法,并通过实验证明了自适应前后向扩散在消去噪声的同时更好地保留图像的细节信息,且具有更高的信噪比。     

基于偏微分方程的组合视频去噪方法

提出1个基于偏微分方程的组合视频去噪方法.该方法综合利用了变分运动估计方法的精确性和各向异性扩散滤波方法的保边性能等优点.方法的实施分为3步:首先,采用2维各向异性扩散滤波对噪声视频进行初始的去噪.然后,采用Brox等提出的变分光流计算方法对前1步去噪后的视频进行运动估计,目的是计算各帧的前向及后向运动场.最后,采用3维各向异性扩散滤波对运动补偿后的原始噪声视频实施最终的去噪.实验结果表明本文的方法优于经典的各向异性扩散滤波方法.