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.     

基于自适应结构张量的FCM改进算法

针对传统模糊C均值聚类算法对图像特征描述单一,易受图像复杂纹理干扰而出现误分割的问题,提出一种基于自适应结构张量的FCM算法,并将其应用于图像分割.打破传统高斯滤波器在滤波方向和角度上所受限制,采用基于各向异性滤波的结构张量;引入图像边缘密度函数,用以衡量图像节点的平滑性,自适应地计算各向异性滤波函数所占比例;定义一种自适应结构张量相似性度量标准,用以计算图像中节点与聚类中心点的结构相似性,有效地代替了传统FCM中的灰度相似性度量标准;采用一种新颖的节点间距离度量公式来计算图像中节点与聚类中心点的差异.仿真结果表明,对结构复杂的图像,改进算法获得了更加精确的分割结果.     

基于结构张量与随机游走的图像分割算法

将结构张量与随机游走算法相结合,提出一种新的图像分割策略.算法通过分析结构张量特性,提出尺度向量的概念来计算像素间的连接权值,然后应用随机游走算法实现分割.利用尺度向量得到的权值刻画了图像局部的结构信息,更有效地实现了图像分割.此外,还提出了一种自适应各向异性的滤波函数,用以代替高斯函数对结构张量进行平滑,使所得到的结构张量可以更好地保留图像的复杂结构信息.实验表明,所提算法具有更好的分割准确性和稳定性.     

一种基于非线性结构张量的边缘增强算法

基于偏微分方程的增强算法是解决图像边缘结构增强问题最有效的方法之一。本文提出一种将非线性结构张量与非线性边缘增强相结合的算法。其中,非线性结构张量的邻域选择方式能更好地描述图像局部几何结构,非线性边缘增强的各向异性扩散方式更有利于在增强边缘的同时有效地降低噪声水平。实验结果表明,本文算法不仅有效地增强了图像边缘,而且在噪声水平较高的环境下也有着良好的表现。     

基于结构张量和非局部平均滤波的MRI图像去噪

考虑到MRI图像的几何结构相似性,将结构张量应用到三维非局部平均滤波算法。将本文提出的方法和最近提出的不同改进版本的非局部平均滤波算法在Brainweb数据库上进行对比,实验结果表明,本文提出的方法在峰值信噪比(PSNR)上有所提高,有效地抑制了噪声。     

基于各向异性信息扩散的图像修复方法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏.基于偏微分方程的修复模型可以利用待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑噪声,但其算法实现比较复杂,执行速度很慢,并且稳定性不好.针对这一问题采用改进方案,简化了模型,直接利用各向异性扩散方程进行图像修复.该方法获得了较好的实验结果.     

基于边缘切线流场的多尺度结构张量图像检索算法

为减小基于草图的检索技术中弱边缘的影响并提高特征的平移不变性,提出了一种基于边缘切线流场的多尺度结构张量检索算法.该算法采用边缘切线流场取代梯度场,在显著强边缘上计算结构张量以抑制弱边缘的影响,并在多尺度分区架构下进行结构张量特征的提取以增强特征的平移不变性.实验结果表明,与传统的结构张量方法相比,该算法有效地抑制了弱边缘的影响,避免了使用图像梯度方向描述图像显著边缘方向的不稳定性,增强了特征的平移不变性,提高了检索性能.     

用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.     

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.     

基于拉氏锐化算子的四阶偏微分方程图像去噪算法

采用拉氏锐化算子代替拉普拉斯算子,提出了一种基于四阶偏微分方程的图像平滑算法.该方法不容易产生二阶非线性扩散方程所造成的块效应,而且与一般四阶偏微分方程相比,收敛速度更快,同时在一定程度上避免了处理图像时常出现的不平整现象.     

一种改进的基于网格的数据过滤方法(英文)

数据分发管理是HLA/RTI中的一项服务,在大规模的分布式仿真中用来管理状态更新和交互信息的分发,以此限制数据交换的总量.介绍目前数据分发管理的基本方法的基础上,分析了它们的优缺点,提出了一种基于网格的双层数据过滤方法.通过探测数据分布情况,利用双层网格精细过滤数据,减少冗余数据发送量.实验表明,在大规模和复杂环境下此方法具有更好的适应性、可扩展性和更高的性能.     

基于FMT的扩散张量成像脑白质纤维跟踪算法

扩散张量成像及脑白质纤维跟踪技术是目前惟一采用的活体、无创、三维显示脑白质纤维的成熟方法.针对扩散张量成像的特点,运用快速行进法产生基于体素的联合函数,并通过反向跟踪重建了脑白质纤维.实验结果表明,反向跟踪有效地解决了纤维的分叉问题,速度函数的改进使得跟踪的效率明显提高,而且结果也更加符合解剖结构.该算法的提出很好地解决了目前临床DTI数据可视化中的难题.     

多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。     

一种结构向量与分数阶相结合的光流模型

运动目标检测是图像处理中的最基本任务,变分光流法是常用的运动目标检测技术。因模型固有的缺陷,传统变分光流模型不能应对场景中的光照变化、不能保留运动不连续性,从而局限了变分光流模型的应用范围,影响了光流估计的计算精度。提出一种局部结构不变约束与分数阶平滑约束相结合的光流模型,该模型应用局部结构张量函数代替传统亮度约束方程中的亮度函数,应用分数阶导数代替传统平滑约束方程中的整数阶梯度。因结构张量是一个不随光照变化的物理量,且包含了图像中的一些结构信息,而分数阶平滑约束能保留边缘不连续性,因而使得本文模型能在各种光照环境下获得清晰的运动目标轮廓。实验证明本文所提模型对光照变化鲁棒,且能保留光流场边缘不连续性,较其他相关模型,能获得更高准确率的光流场。     

一种基于非线性PDE的图像放大方法

利用改造过的CE(curvatureedge)模型,给予一定的初始化条件后应用于图像放大.数值计算结果表明,非线性PDE方法对灰度图像和彩色图像进行放大均有较好的视觉效果.算法对图像的放大有明显的改善,但在放大倍数较大时,仍会出现网格效应.     

改进的置乱扩散同步实现的图像加密算法

为改善图像加密算法对初始密钥的依赖性,提高算法的抗穷举攻击、抗统计分析攻击和抗差分攻击等性能,提出了一种改进的置乱扩散同步实现的图像加密算法,用于加密矩形灰度图像.先按照某种扫描模式重排图像像素,然后选用成对的Logistic映射产生的混沌序列作用于明文图像;最后,采用基于Chebyshev-Logistic混沌序列控制的一种明密文双向结合的扩散方式,对置乱后的图像进行扩散.为评价该算法的性能,做了密钥空间分析,统计直方图分析,相邻像素相关性分析,信息熵测试,以及扩散性测试等大量的仿真实验.仿真实验表明,该算法扩展了密钥空间,对密钥初始值有超强的依赖性,提高了密文图像的抗穷举攻击、统计分析攻击和差分攻击的能力.     

具有去除椒盐噪声能力的改进双边滤波算法

针对双边滤波器不能有效去除椒盐噪声这一特点,本文提出了一种自适应大小的模板替换算法,通过先替换双边滤波模板区域像素值,再对替换后的模板区域做双边滤波,使其在具有双边滤波保边并去除低频噪声能力的基础上兼具去除椒盐噪声的能力.实验结果证明:本文提出的算法在双边滤波的基础上可以有效去除图像中的椒盐噪声,与几种经典去除椒盐噪声的算法相比,在噪声密度10%~90%的情况下,峰值信噪比(PSNR)平均值提升5.8%以上,结构相似性(SSIM)平均值提升2.75%以上.