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HVS模型及边缘检测的像素点误差扩散半色调算法

针对常规误差扩散方法中的图像细节轮廓损失问题,提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法.该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息.仿真结果表明该算法能够更好的减少图像细节损失,保留图像细节信息.     

基于金字塔模型和各向异性滤波的分层自适应图像增强算法

结合拉普拉斯金字塔模型分解和前后双向异性扩散算法,提出一种分层自适应图像增强算法.该算法首先进行图像的高动态范围压缩,然后采用拉普拉斯金字塔模型方法将原始图像分解为不同尺度和频率下的带通图像序列.根据不同频率层图像的纹理方向特征,设计自适应参数法修改扩散传导方程的参数,在不同频率图像层上分别实现噪声平滑和边缘特征的增强.仿真实验通过与其它图像增强算法进行比较,评价结果表明,提出的分层自适应图像增强算法的处理效果良好,定量评价指标大幅改善.     

等离子体显示中基于边缘检测的动态误差扩散方法

针对交流等离子体显示器中的常规误差扩散方法因误差扩散系数固定导致反映图像细节轮廓损失的问题，提出了一种基于边缘检测的动态误差扩散方法．该方法在对每个像素的误差扩散处理过程中，先沿误差扩散方向进行边缘检测，再根据边缘检测结果动态地选择误差扩散系数组及调整各个方向的误差扩散系数，使得误差扩散系数与轮廓特征相关，减小了误差扩散过程中造成图像细节轮廓损失的累积误差．仿真结果表明，将新方法应用于交流等离子体显示器中，不仅能够减少因较少子场引起的假轮廓，同时还可以避免由于常规误差扩散方法中固定误差扩散系数引起的轮廓细节损失．     

适用于地毯编织图像处理的误差扩散改进算法

常规误差扩散方法会导致图像细节轮廓损失问题,为满足地毯编织图像处理中对图像细节处理的要求,本文提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法。该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息。仿真结果表明该算法能够更好地减少图像细节损失,保留图像细节信息,进而满足地毯编织图像处理的需要。     

基于自适应梯度阈值的各向异性去噪模型

为了在去除噪声的同时保护图像的边缘和细节,提出了基于自适应梯度阈值的各向异性扩散模型.该模型将P-M模型中的固定边缘阈值改为随梯度模变化的自适应阈值,改进了扩散函数,加入了保真项.实验结果表明, IPM模型优于传统的各向异性去噪模型.     

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.     

基于双树复小波变换与非线性扩散的图像去噪

首先对图像进行双树复小波变换得到不同尺度上的子带图像,然后对子带图像进行非线性扩散,充分利用双树复小波变换和非线性扩散两者的优点,更好地抑制噪声保留图像边缘纹理等细节信息。     

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。     

数字加网迟滞系数的研究

在输出反馈误差扩散法的基础上,提出了一种修正的调频调幅数字加网算法即带迟滞系数曲线的输出反馈误差扩散法。首先综合分析峰值信噪比与人眼主观感受,得到迟滞系数和图像不同阶调之间的规律,然后根据迟滞系数的拟合曲线得到其近似方程。实验结果表明,该算法能够有效抑制传统误差扩散调频加网中的网点扩大现象,并提高了图像的细节再现能力。     

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。     

超声图像斑点噪声限制的非线性各向异性扩散

结合非线性各向异性扩散和斑点噪声的限制,有效抑制临床超声图像斑点噪声.基于最小均方误差方法得到瞬时方差系数作为边缘检测器去控制扩散方程,并将经过对数压缩的斑点噪声模型限制通过附加能动项引入,通过能量最小化,自动估计附加能动项最优权值.仿真图像和临床超声图像实验证实,该算法能有效抑制斑点噪声、保留纹理信息.     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

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。     

相干增强扩散与冲击滤波相结合的指纹增强算法

自动指纹识别系统(AFIS)的性能严重依赖于输入指纹的质量,因此有效指纹增强算法对该系统具有重要意义。针对相干增强扩散滤波增强的指纹图像会出现边缘模糊,以及谷线与脊线间对比度较低的现象,提出使用冲击滤波和相干增强扩散的加权模型方法,既能保持相干增强扩散的优势,又能锐化指纹脊线边缘,以及增强指纹脊线与谷线的对比度。增强的主要过程为,建立一个相干增强扩散和冲击滤波的加权组合模型,加权函数是以指纹梯度为自变量,使得在扩散过程中在图像边缘处以冲击滤波为主,在脊线与谷线内部则以相干增强扩散为主。实验表明,使用这种方法,能得到更加清晰的指纹图像,便于之后的二值化与细化过程处理,使得自动指纹识别系统具有更好的性能。