基于偏微分方程的彩色图像去噪综合模型

把结合了二阶偏微分方程ROF模型和四阶偏微分方程LLT模型的去噪综合模型从灰度图像推广到彩色图像.在RGB彩色空间中,依次对每个彩色分量进行去噪处理,然后再合成彩色图像.实验结果表明,综合模型在去噪效果和细节保护方面都有较好的表现.     

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.     

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.     

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.     

基于偏微分方程图像修复的新方法

根据CDD图像修复模型的理论行为分析,指出该模型修复速度慢的原因,去除导致修复速度慢的因子,引入具有边缘增强作用下的冲击滤波器予以修正,从而获得了一种新的图像修复方法。实验结果表明,该算法修复图像速度有所提高并取得了较好的视觉效果。     

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.     

一种新的4阶偏微分方程图像处理方法

提出了一种新的4阶偏微分方程去噪模型,与已有4阶偏微分方程模型、各向异性扩散模型、各向异性中值扩散模型和形态学扩散去噪模型相比较,该模型有效地权衡了噪声平滑效果和边缘保持,并通过数值算例验证了该模型的优越性.     

一种基于偏微分方程的形态学边缘检测新方法

提出一种基于偏微分方程(PDE)的形态学腐蚀算子．在边缘检测中，直接对原图像求取一阶差分，利用该形态学腐蚀算子增强边缘梯度、降低噪声的影响，突破了传统的先低通滤波后计算梯度的边缘检测思路．形态学运算不会带来边缘位置的偏移，因此能够对图像的边缘准确定位，同时具有抗噪性．将新方法的边缘检测性能和Canny算子、Log算子做了比较，结果表明提出的边缘定位方法更加准确，具有更好的抗噪性能．     

基于PDE的图像增强改进方法研究

实际应用中,图像不仅需要改善反差而且还有噪声污染。针对传统方法对图像先后做反差增强和去噪所产生的不可避免的缺陷,提出一种基于PDE的改进的反差增强方法,算法将增强和去噪过程统一起来同步进行,并加入一个特殊调整项,进一步改善图像视觉效果。实验证明改进后的方法整体上比传统方法具有更好的性能,能够有效地避免传统方法的缺陷。     

一种改进的基于PDE的图像去噪模型

本文在Perona和Malik及Catte等前人的工作基础上提出了一种新的图像去噪模型,并做了数值仿真,实验结果证明该模型不但能有效地去除噪声,而且能增强边缘并保持边缘位置,使处理后的图像清晰度和对比度都有大大增加,看上去也比较真实自然．     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

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.     

基于偏微分方程的彩色图像乘性去噪模型

提出一种新的非线性偏微分方程恢复模型,解决含乘性噪声的彩色图像恢复问题.新模型中引入光滑后向量值图像的几何流形特征判断图像的"真"、"假"边缘,利用P(x)-Laplace扩散系数在区域内部和边界以不同的方式进行扩散,利用|u|q扩散系数在乘性噪声干扰不同的区域以不同的速度进行扩散.理论分析和数值实验结果表明了该模型的...     

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。     

利用偏微分方程的Tetrolet变换图像去噪

对图像进行Tetrolet变换后利用偏微分方程对图像进行了质量改善,仿真结果表明,该算法不仅能有效去除噪声,而且可得到更高的峰值信噪比和更好的视觉效果,去噪后图像较光滑,减少了方块效应,更多地保留了图像边缘和细节等局部特征.     

基于版式边缘增强算法的倾斜检测

该文针对数字化文档图像的倾斜现象,首先定义了多种变换算子,然后在倾斜检测中,利用这些算子对预处理后的二值化倾斜图像进行变换处理.所得到的变换图像淡化了原文档图像的内部细节特征,同时清晰地反映了原图像版面边界的走势.变换图像通过一个图像块的形式直接表征了原版面的边界信息,增强了版式边缘,使得文档图像的倾斜角度更易检测.最后通过选取有代表性的倾斜版面图像,对该算法进行了实验验证分析,得到了版面倾斜检测的统计结果.