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。     

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。     

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.     

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.     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

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。     

基于偏微分方程的图像修复模型介绍

本文主要从修复原理、修复方法等方面介绍了微观仿真技术、整体变分模型、曲率驱动扩散、弹性修复模型、Mumford-shah修复模型、Mumford-shah-Euler六种基于偏微分方程的修复模型,了解六种模型的修复特点。     

基于多模板方向的图像修复方法

在基于样本图像修复的基础上,针对采用单一方向模板的Criminisi算法,在查找最佳匹配块过程中产生的错误匹配甚至查找失败问题,提出了一种基于自适应模板方向的图像修复方法。该算法根据自然图像中存在大量对称或有规则物体的特点,在进行模板的搜索时,通过对待修复块或样本块进行不同角度的旋转和/或映射变换,增大样本空间,来提高最佳匹配块的搜索成功率,防止错误匹配的发生。仿真实验结果证明,该方法能有效地改善图像的修复效果。     

一种改进的提高SAR图像分辨率的偏微分方程方法

目的提高SAR图像的分辨率,滤除噪声干扰。方法利用了P-M非线性扩散方程在提高SAR图像分辨率时既能滤除噪声又能很好保护边缘的优势,借鉴了边缘增强扩散方程能够增强图像边缘的特性,提出了一种将两种方法相结合的处理方式。结果得到了一种将2种方法相结合的混合模型。结论该方式既避免了P-M非线性扩散方程无法改善SAR图像边缘的缺陷,又回避了边缘增强扩散方程容易产生虚假条纹的劣势,使图像的整体分辨率得到了提高。     

基于快速步进法的改进图像修复算法

基于水平集应用的快进修复算法可以简单、快速且有效地修复数字图像中的破损区域,但该方法的线性和局部特征导致其对边缘的保持能力不够,针对这一问题提出了改进方案.在快速步进法的边界行进中引入各向异性扩散,能更准确地保持等照度线的方向,避免彼此交叉.实验结果表明,改进后的算法能更好地保持等照度线的平滑及尖锐边缘,同时具有原算法运算速度快的优点.     

结合优化算法的神经网络图像复原算法

提出了用遗传算法优化的神经网络和PSO算法优化的神经网络图像复原算法,并对它们的复原效果进行了比较.先用优化算法对神经网络的结构进行优化,然后利用优化后的神经网络的学习和泛化能力,用一组样本图像对网络进行训练,建立退化图像与原图像之间的非线性映射关系,最后用训练好的进化神经网络对待复原的退化图像进行图像复原.实验结果表明复原的图像无论在主观视觉还是定量分析上都取得了很好的效果.     

基于一类偏微分方程的图像放大法

在分析常见的图像插值放大方法和已有的偏微分方程图像放大方法不足之处的基础上,根据图像放大特点,利用图像放大过程中边缘的可预知性,并注意到图像放大的偏微分方程理论模型,提出一类新的基于偏微分方程的图像放大方法,这是一类线性、具有定向扩散性质的偏微分方程模型,它在非边缘区域表现为线性各向同性扩散,在边缘上则演变成几乎是沿边缘方向的一维扩散．实验及统计结果表明,该方法是一种快速且有效的图像放大方法．     

基于偏微分方程的带钢表面图像去噪方法

为提高带钢表面缺陷图像去噪处理中滤波器的去噪性能,更好地保留缺陷图像细节信息,在研究了偏微分方程理论的基础上,分析了AMSS(affine morphological scale space)方程的对比不变性和仿射不变性,采用有限差分法实现了AMSS算子的方法.将AMSS算子应用到带钢表面缺陷图像去噪处理的试验表明,该方法达到了既去除噪声,又保留图像细节信息的效果.     

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。     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．     

利用基于内容的网格模型进行图像恢复

将基于内容的自适应三角形网格模型这种图像表达方法应用于图像恢复.在图像恢复过程中,首先提取图像的特征图,并利用Floyd-S teinberg算法和Delaunay三角化算法产生网格,用来表达图像;然后利用正则化方法对网格节点的灰度值进行迭代,从而恢复该节点的灰度值;最后利用已恢复的网格节点对像素点进行Lagrange插值,从而得到恢复后的图像.该方法能对含有噪声的图像进行有效地恢复,试验证明较有约束最小二乘方法性能更好.     

基于线性各向异性偏微分方程的图像放大法

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,注意到有关偏微分方程图像插值理论及其应用,提出一种全新的偏微分方程图像放大方法:基于线性各向异性偏微分方程的图像放大法,并通过实验证明,该方法是一种非常快速且效果极好的图像放大方法.     

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.