联合各向同性扩散和全变分模型的图像恢复模型

本文首先简单回顾了基于抛物型偏微分方程的图像恢复模型。在此基础上,提出了一个通过可变权重联合各向同性扩散和全变分模型的图像恢复模型,该权重参数依赖于图像曲面的几何特征。最后,通过数值实验论证了算法的有效性。     

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.     

基于方向扩散方程的图像融合方法

图像融合是在图像处理领域的一个重要应用,方向扩散方程是一种有方向性的扩散,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。本文基于这一特点,将方向扩散方程运用到图像融合当中.结果表明,经方向扩散方程处理后的融合图像,物体可以很好地与背景融为一体,视觉效果上比直接嵌入有了很大的改善。     

基于偏微分方程的图像正则化恢复算法

总结了作用于数字图像的基于偏微分方程的正则化方法,确定了一个基于迹的方程的一般形式,统一了不同的正则化方法的标准,在此基础上提出一对新的图像平滑函数.用该函数处理噪声图像,在噪声消除的同时能保持良好边缘,且避免了原PDE算法处理图像时常出现的块效应.     

基于各向异性扩散的图像放大法

在分析图像特点以及常规插值方法放大图像一些不足之处的基础上,根据文[7]的思想方法,以及放大图像的边缘位置要对应于原先图像的边缘位置的原则,先用边缘提取算子（如Canny算子）得到待放大图像的边缘位置,再经过三次样条插值,得到放大图像的边缘位置,最后运用各向异性扩散,在非边缘区域,将经过常规插值方法放大的图像进行光滑化处理．实验证明,该方法是一种处理时间短且效果不错的图像放大方法．     

基于BSCB模型的图像修补算法

在BSCB模型上考虑了图像的梯度以及相应邻点的信息,引入m ax/m in函数,提出用ASG算子代替光滑算子,对BSCB模型进行修改.实验证明,新算法能较好地对图像进行修补,尤其是在保持边缘和角点的特征上效果比较好.     

应用热传导模型的偏微分方程图像修复

将图像修复类比于热传导过程,采用有限差分迭代求解一阶线性偏微分方程组,使图像缺损区周围有效像素所包含的信息逐步向缺损区域传递.相比于其他偏微分方程（PDE）图像修复技术,该方法采用更为简洁的数学表达,能以较低的计算复杂度实现有效的图像结构层修复.通过滤波提取缺损区以外的图像纹理,叠加到被修复区以获得更为自然的视觉效果.实验结果表明,该方法适用于修复图像中的小块缺损和划痕,消除可见水印等叠加成分或从图像中删除某些不需要的局部内容.     

一种改进的偏微分方程图像平滑方法

针对退化扩散方程在图像平滑时对角点的圆弧化,提出由梯度及其正交方向上的二阶方向导数共同决定扩散速度。在图像的角点位置上,扩散速度趋于零,在线条点位置上,扩散速度由梯度的模值来决定,并在与梯度正交的方向上进行平滑,在灰度变化不大的区域上,采用传导系数为常数的热方程进行平滑。文中的理论上说明了扩散速度的构造方法。实验结果表明,该扩散模型在对图像进行平滑的同时,对特征点的保留是明显的。     

基于改进“自蛇”模型的图像去噪方法

根据对现有的一些偏微分方程(PDEs)去噪模型的分析,提出了一种基于"自蛇"模型的的图像去噪模型。该模型在原模型上增加一个保真项,使其在图像滤波的同时能保留图像细节信息。与各去噪模型进行比较实验,实验结果表明:使用改进的模型对图像去噪在滤除噪声的同时可以保持细节信息,应用改进"自蛇"模型进行图像去噪是一种有效的工具。     

基于扩散模型的指纹图像生成方法

由于个人信息保护等原因,采集大量指纹信息是十分困难的。采用计算机自动生成指纹图像的方法可以在相较容易的条件下构建大规模数据库。本文采用去噪扩散概率模型实现了一种指纹图像自动生成的方法,通过加噪和去噪的方式构建指纹图像生成模型,最终由模型生成的指纹图像清晰、完整,具有较高的辨识度和很强的差异性。     

基于非线性偏微分方程的图像着色

考虑到连通性原理和各向异性扩散,改进提出了新颖的非线性偏微分方程模型,改进的算法满足了视觉连通性原理,对图像中的细节也有较好的修复.     

基于自组织神经网络SOM和K-means聚类算法的图像修复

近来自然图像的修复已经成了一个热门话题.提出了一种基于K-means聚类算法的自组织神经网络(SOM),称为SOM-K.它首先利用SOM来训练每一个像素的特征向量,并把一幅图像分层.这样就能把每个破损像素分到每层,同时SOM训练后的输出也通过K-means聚类算法来聚合,分别在各个层中修复破损的像素.最后把修复好的各层溶合到一起.与单独使用SOM相比,SOM-K具有更精确的分类能力.     

基于变分混合模型同步实现图像去噪和反差增强

针对反差较低的且包含噪声的医学图像,依据图像直方图特点设计分段拉伸函数,并与基于梯度和拉普拉斯算子的图像去噪变分模型结合,建立新的变分模型,同步实现图像去噪和反差增强。该模型可有效消除图像光滑区域出现的阶梯效应,从而避免在图像增强过程中出现的假边界问题。同时,还为所提出的模型设计了Split—Bregman算法,以提高计算效率。最后通过实验对所提出的模型和算法的有效性进行了验证。     

一类非线性扩散问题及其在图像修复中的应用

通过介绍传统非线性扩散方程在图像处理中的一般应用，引入了一类含间断系数的非线性扩散模型，并利用非线性系数正则化处理的方法及粘性解该类模型中的研究结果，得到了该模型的适定性理论．给出的一些具体数值实验结果表明，该非线性扩散模型是图像修复问题的一种比较理想的方法．     

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。     

基于图像拼接的可信图像修补方法

为了尽可能地恢复被损坏图像的原始场景,获得最真实的复原效果,针对大区域破损图像的修复,提出了一个基于移位参考图像的可信图像修补与基于图像本身的自修复算法相结合的图像修复方法。首先,受启于图像拼接技术,若存在可以利用的参考图像,便利用SIFT(scale invariant feature transform)算法和RANSAC(random sample consensus)算法将参考图像与目标图像进行配准并投影拼接至目标图像,完成目标图像的可信修补。然后对仍未修复的破损区域进行图像自修复,其中自修复部分采用Criminisi算法。所得到的图像修复结果真实性与可信度较高,与实际景象偏差较小,说明该方法合理可行。     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

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。     

一种基于分水岭分割的快速图像修复算法

为快速准确地对破损图像进行修复,提高传统算法的修复质量和速度,本文提出了一种改进的基于分水岭分割的快速图像修复算法.首先针对传统算法在修复速度上的不足,采用改进的匹配区域搜索方法以缩小搜索区域,然后通过分水岭分割结果筛选匹配块以进一步加速图像修复,最后利用分水岭分割结果提出了新的分类修复方法来改进图像修复质量.实验结果表明,相较于现有算法,本文提出的算法在修复质量上有明显的改进,并且修复速度平均提升了40%左右.