基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

一种改进的全变分自适应图像去噪模型

目的 比较几种不同的变分图像去噪模型的优缺点,提出一种新的根据局部梯度信息自适应调整光滑性测度的模型.方法 新模型增加了梯度模值与两个门限的比较,小于门限1采用各向同性扩散去噪模型,大于门限2采用TV去噪模型,梯度模值在两个门限之间的采用自适应去噪模型.结果 新模型在强噪声水平下,改善了人眼主观视觉感受,均方误差(MSE)降低了约35,峰值信噪比(PSNR)提高了约2.25dB.结论 新模型改进了原有模型,进一步减少了"阶梯"效应,得到了更好的去噪效果.     

一种基于LIP的全变分图像去噪新模型

将对数图像处理数学模型应用到图像还原中,采用全变分的方法获得了去除图像乘性噪声的新模型.该模型弥补了现有图像去噪方法的不足,很好地保持了图像的边缘细节特征,并具有与人眼视觉特征相吻合的特点.仿真实验结果表明,与现有的去噪方法相比,新模型很大程度上减小了图像在去噪处理迭代过程中产生的误差,不仅去噪效果更好,而且能很好地保...     

基于多幅图像恢复单幅图像的快速算法实现

为解决传统的单幅图像恢复算法效果不理想的情况,现有理论利用多幅图像之间的信息互补这一条件,在图像配准的基础上,通过多幅退化图像对单幅图像进行恢复,比较流行的是使用M估计(M-estimation)对图像进行配准,然后利用L1范数进行图像融合,进而提升图像恢复的鲁棒性,但其收敛速度并不理想。为了实现算法的快速收敛,通过对下降算法的搜索梯度方向改善的探究,出了基于共轭梯度下降法(conjugate gradient descent, CGD)的图像恢复算法。在此基础上对CGD图像恢复算法进行改进,利用前后估计的值之间的差信息来优化迭代时的搜索方向,也就是在后面这次搜索梯度上面加前1次和前2次估计值的差,以此增大搜索梯度值,进一步缩短迭代到最小值的时间。仿真结果表明,所提出的改进算法比基于最速梯度下降法(batch gradient descent, BGD)的图像恢复算法的收敛速度更快。     

基于ROF模型的图像去噪算法

针对ROF模型在处理纹理丰富的图像时易丢失重要信息的缺点,本文提出用高阶导数构成扩散函数,并用维纳滤波对其进行预处理。实验结果表明了本文方法的有效性。     

一种全变分修复算法在成像测井图像异点处理中的应用

针对超声成像测井中因各种不确定因素而导致测井图像中出现异样点的现象,通过分析目前清除异样点所采取的常规方式的不足,提出一种能够有效解决此类问题的全变分修复算法;该方法先于选定区域内依据阈值大小识别待修复的异样点,随后采用该修复算法进行修复;并分别将其应用于标准测井图像与实际测井资料处理中并进行效果比对;实践证明:该算法能够完全恢复其图像的原始特征,为后期图像资料中此类状况的修复处理提供了有效的解决方案。     

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．     

几种约束最小二乘方图像复原算法的比较研究

图像复原过程中,约束最小二乘方法一般只要求噪声方差和均值,效果较佳,应用广泛.本文在分析目前数字图像复原技术的基础上,对比研究了几种具有约束条件的最小二乘方图像复原方法,并对这些算法进行了仿真实现,对比分析了实验的结果.     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

基于FPGA数字图像处理算法研究简

由于数字图像的广泛应用,人们对于图像处理的实时性要求也越来越高,仅依靠软件方法实现的图像处理已经无法满足要求,因此,FPGA被越来越多的应用于图像处理中.本文对图像处理的算法进行了分析,并利用Matlab软件进行了仿真.并将合适的算法通过Verilog语言进行实现,再利用quartusⅡ软件进行仿真,最后应用于实际的图像处理系统中.     

两类近似邻近点算法的比较及其推广

邻近点算法(PPA)是求解单调变分不等式的一种常用的有效方法。然而在许多实际应用中,用PPA算法精确求解子变分不等式花费很大。为了保持PPA算法的优点,同时又解决上述困难,人们采用近似临近点算法(Approxim ate Proxim al PointA lgorithm)来求解。通过对两类APPA算法的收敛性的证明和进一步探讨,从理论上证明了算法二在通常情况下比算法一收敛性好。文中所要讨论的算法一是基于对Forward-backward Sp litting方法的推广;算法二是基于对外梯度方法的推广。     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

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。     

隐式开曲面上图像噪声去除的变分模型及其SplitBregman算法

采用符号距离函数的零水平集与另一特征函数取值为1的点的交集表达隐式开曲面,借助于内蕴梯度、内蕴散度等概念,建立了开曲面上图像噪声去除的非线性扩散变分模型。通过引入辅助变量和Bregman迭代参数,设计了所提出模型的SplitBregman算法。最终求解所导出的简单梯度降方程和解析形式的近似广义软阈值公式,实现简单、计算效率高。最后通过多个数值算例对所提出的模型和算法的去噪效果进行了验证。     

基于偏微分方程扩散系数的图像去噪研究*

在偏微分方程P-M模型图像去噪过程中,扩散系数的选择会影响图像去噪的效果;为此提出了一个新的扩散系数模型来实现图像去噪.首先分析讨论了P-M模型中扩散系数和梯度阈值的选取对图像去噪的重要性;并对比了两个扩散系数的优点和缺点,在此基础上提出一个新的扩散系数;并应用到正则化P-M模型和四阶偏微分方程YK模型中进行数值离散实验.实验结果表明,采用新的扩散系数在正则化的P-M模型和YK模型的去噪效果教好,提出的扩散系数能够有效地进行图像去噪.     

一类耦合去噪-分割的新模型在图像处理中的应用

 针对被噪声严重污染的图像的分割结果很不理想的现象, 提出一类耦合去噪-分割的新模型, 先采用一种组合的去噪模型去噪, 然后用新的分割模型进行分割。实验结果表明, 提出的组合去噪模型(采用AOS算法)比现有的一些去噪模型的去噪效果更好; 而在分割方面,文中提出的耦合去噪-分割的方法也显示出有效性和可靠性, 特别是对含有较高噪声的图像分割比CV模型更有优势。     

基于分形几何的数字图像处理

数字图像处理是将二维图像信号转换成数字信号并利用计算机对其进行处理的过程。一幅二维图像不能完全反映自然界中的三维景物的信息,这就对图像处理提出更高的要求。分形几何用以描述自然界中普遍存在着的不规则对象：分形图像压缩能够满足目前的数字图像处理要求。     

文献计量领域中两种聚类方法的比较研究

通过对传统聚类法与现代聚类法各自包含的内容进行分析研究和比较,得出了两种聚类方法的异同点,为主题演化分析中聚类方法的深入研究和发展打下了坚实基础.     

几种漫射光学成像图像重建算法的比较研究

针对漫射光学成像(DOT)选择不同的逆问题求解算法将直接影响成像质量的问题,对4种常用重建算法的重建效果进行了比较研究,采用双异质模型,利用Rytov方法对扩散近似方程进行近似,假设散射系数是已知常量,重点关注吸收系数图像的重建.通过使用Tikhonov正则化、截断奇异值分解(TSVD)、代数重建算法(ART)和同时迭代重建技术(SIRT)4种常用重建算法,对不同条件下的双异质图像的逆问题进行求解,研究不同算法重建后图像的空间分辨率、抗噪声能力和成像速度.研究结果表明:低噪声条件下,Tikhonov正则化算法重建图像的空间分辨率最好;当信噪比小于20 dB时,TSVD算法具有最佳的抗噪声性能;当源-探测器结构不变,成像的感兴趣区域的尺寸和体素划分固定时,Tikhonov正则化算法的速度最快.总体上讲,子空间技术优于代数重建技术,研究结果对不同成像条件下选择合适的重建算法具有一定的指导意义.