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.     

偏微分方程和小波混合去噪在医学图像处理中的应用

本文将小波分析和偏微分方程去噪方法相结合,并将综合算法应用于CT图像去噪,计算量小,去噪的同时,能兼顾图像的细微变化,突出图像的局部特征,在一定程度上克服了单纯采用PDE方法的不足。     

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...     

一种基于形态学的彩色图像去噪算法

现有的彩色图像去噪方法大都基于灰度图像,即先把彩色图像转化成灰度图像或者二值图像再进行去噪,不能充分利用彩色图像的特点.为此,提出了一种基于数学形态学的彩色图像去噪算法,尝试直接在彩色空间中进行去噪.实验表明这种算法是可行的、有效的.     

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.     

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.     

基于偏微分方程的均衡网状扩散图像增强模型

运用偏微分方程方法,对图像进行降噪与边缘增强。其中,重点研究网状扩散模型,并对其存在的问题进行分析。实验表明,扩散模型的效果在效率和处理的质量方面更胜于基本的偏微分图像处理技术。     

基于CB模型的彩色图像混合噪声去除方法

将分数阶偏微分理论和CB模型相结合应用于图像去噪,提出了一种基于分数阶偏微分方程和CB模型的彩色图像混合噪声去除方法.对于添加混合噪声(高斯噪声和椒盐噪声)的彩色图像,首先,利用MCM模型去除图像中的椒盐噪声,然后将处理后的彩色图像分解为色度C和亮度B两部分,用分数阶偏微分模型处理亮度B,而对于色度C,由于其受到单位长度的限制,在处理时非常困难,利用拉格朗日乘数法并通过添加辅助变量,将色度转化为两个近似的子问题,从而得到色度的近似处理方法,最后将处理后的亮度B和色度C合成为新的彩色图像.最后通过实验证明了该方法的有效性.     

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．     

基于偏微分方程和小波的图像编码

提出了一种将偏微分方程和小波结合在一起的图像编码方法,首先利用和偏微分方程相关联的滤波器将原始图像从尺度空间的一种状态转移到另一种状态,后一种状态的图像复杂程度,包括图像的突变程度,边缘的形状等有所降低,但依然保持了很好的主观效果。     

结合Contourlet变换和偏微分方程的图像去噪方法

为了更好地去除噪声,提出了一种结合Contourlet变换和偏微分方程的图像去噪方法.该方法能够有效去除图像中的高斯白噪声,同时还能保持图像的边缘纹理信息.实验以信噪比(SNR)和峰值信噪比(PSNR)对去噪性能进行度量,证实了该方法的可行性和有效性.     

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.     

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.     

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。     

基于四方向全变分的图像去噪模型

构造了一个四方向全变分（TV4）模型,并给出了求解模型的不动点方法.该模型采用每个像素点的梯度的向前、向后差分定义梯度模,能有效降低全变分（TV）模型的非线性程度.实验结果表明, TV4模型在一定程度上减少了TV模型的阶梯效应,且收敛速度比TV模型快.