一种改进偏微分方程扩散系数的图像去噪方法

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CLMC模型进行数值离散实验。实验结果表明,采用新的扩散系数得到的信噪比和峰值信噪比要比P-M方程中所给出的两个扩散系数得到的信噪比和峰值信噪比好。提出的扩散系数能够有效地进行图像去噪。     

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.     

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.     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪； 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪; 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

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.     

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.     

结合分数阶偏微分和MCM模型的混合噪声去除方法

为了能够更好地去除混合噪声,在αβ?(ABO)图像去噪模型的基础上,提出了一种结合分数阶偏微分方程和MCM模型的混合噪声去除模型.该模型不仅能有效地去除图像中的椒盐噪声和高斯噪声,同时还可以较好地保留和增强图像中的边缘纹理信息.实验以峰值信噪比(PSNR)和均方根误差(RMSE)对去噪性能进行度量,证明了该方法的有效性.     

结合分数阶偏微分和MCM模型的混合噪声去除方法

为了能够更好地去除混合噪声,在αβ?(ABO)图像去噪模型的基础上,提出了一种结合分数阶偏微分方程和MCM模型的混合噪声去除模型.该模型不仅能有效地去除图像中的椒盐噪声和高斯噪声,同时还可以较好地保留和增强图像中的边缘纹理信息.实验以峰值信噪比(PSNR)和均方根误差(RMSE)对去噪性能进行度量,证明了该方法的有效性.     

基于前向与后向扩散模型的变分去噪

基于偏微分方程的算法是近年来图像增强中广泛运用的去噪技术.对于图像去噪,单一地采用ROF算法无法有效地保留图像的细节信息,也会产生局部的阶梯效应.针对这个问题,提出结合全变分和前向与后向扩散模型的算法,不仅有效地锐化边缘效果,而且控制了阶梯效应的产生.最后实验结果表明两种方法的结合对于图像有更高的峰值信噪比,改善了单一方法对图像去噪的局限性.     

基于偏微分方程的非线性弱目标增强算法

为解决低对比度弱目标单帧检测率较低的问题,提出一种基于偏微分方程(PDE)的弱目标增强算法,对传统的P-M各向异性扩散模型进行改进,在扩散函数中引入锐化因子,通过选取适当的梯度门限和锐化强度参数,自适应地平滑背景和增强弱目标.该算法与中值滤波相结合,消除了传统模型在处理椒盐噪声方面的缺陷.仿真实验表明,该算法可有效克服传统滤波器的缺陷,在抑制干扰和噪声的同时增强目标.     

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。     

基于改进的各向异性扩散图像去噪算法研究

针对各向异性扩散图像去噪算法加以研究,根据扩散函数平滑力度强弱,结合图像梯度变化,构建局部图像梯度与扩散函数之间的关系,选取扩散函数,提出了一种改进的各向异性扩散函数模型。该模型不仅能够较大程度地解决传统PM模型滤波存在较多孤立噪声点的问题,且对于图像边缘保持也有较好的效果。实验结果表明,所提出的扩散模型性能优于LCC和Perona的各向异性扩散模型,能够达到良好的平滑保边缘目的。     

基于结构纹理分解的图像去噪方法

针对图像去噪时,细小的边缘和纹理容易被磨光,及其线状结构容易被破坏,提出一种基于结构纹理分解的图像去噪方法。首先用Vese-Osher模型将噪声图像分解为结构部分和纹理部分,然后用改进的P-M扩散和相干增强扩散结合方法对纹理部分去噪,最后重新组合结构部分和去噪后的纹理部分,得到最终去噪的图像。数值试验结果表明,方法有效提高了图像去噪的质量,较好地保护了边缘、纹理信息,恢复其光滑的线状结构。     

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.     

基于偏微分方程的CT图像去噪

计算计X射线断层技术(CT)广泛应用于医学诊断领域. CT图像噪声的大小直接影响到诊断的质量.对CT图像去噪方法的研究和应用成为了一个十分重要的课题.近年来,偏微分方程(PDE)方法在图像分析处理和计算机视觉领域的应用研究非常活跃.介绍了一种新颖的去噪算法各向异性扩散方法应用于CT图像去噪处理.与偏微分方程(PDE)方法和边界强化扩散(EED)方法相比,各向异性扩散方法对CT图像去噪有良好的效果,更能很好的保持细节.本文最后给出了该算法可能发展的方向和应用前景.     

一种改进小波阈值函数的图像去噪方法研究

性质良好的小波阈值去噪方法在图像去噪领域中应用十分广泛.考虑到传统硬、软阈值函数存在不连续和恒定偏差的缺陷,基于均方根插值阈值函数引入一种改进的阈值函数图像去噪方法.该方法通过调节参数,能够更好地适应不同图像不同噪声的去噪需求,且对于图像的边缘细节信息能够处理得更好.试验结果表明,改进阈值函数图像去噪方法较之现有方法具有更小的均方误差、更高的峰值信噪比、更高的结构相似性和更小的梯度幅值相似度偏差,去噪效果更优.