基于一致增强异性扩散模型的钞票图像恢复方法*

本文提出一种基于偏微分方程的钞票图像恢复方法。通过分析常用的几种基于偏微分方程（PDE）的图像恢复模型,结合赃污钞票图像特点,最后选择一致增强异性扩散模型,并提出了一种该模型的数值解法对脏污钞票图像进行修复。实验结果表明,用这种模型可以对钞票图像的平滑区域和边缘细节均有比较好的修复能力。     

基于改进总变差模型的图像去噪算法

总变差模型(TV)是基于偏微分方程图像去噪模型中的经典模型,但去噪的过程中存在阶梯效应(块儿效应),使去噪后的图像显得很不自然,这是由于TV模型的分段平滑造成的.本文加入自适应系数,使其在平滑区域退化为类似于拉普拉斯算子的各向同性扩散,加快扩散速度,消除阶梯效应;在边缘位置,新模型沿切线方向扩算,抑制法线方向扩散,保持边缘.     

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。     

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。     

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。     

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．     

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.     

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。     

改进CLMC模型应用于医学图像滤波的研究

在分析CLMC模型（正则化P-M模型）的基础上,在扩散系数中加入二阶偏导数,提出了一种新的偏微分方程（PDE）模型,并采用基于半隐式方案的加法算子分裂算法（AOS）对新模型进行解算。选用MEDPIX医学图像数据库作为实验数据来源对新模型的滤波效果进行验证分析,实验结果表明,相较于CLMC模型,新模型依然能很好的平滑噪声,且在保持边缘细节方面有一定的提升。     

基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.     

基于BSCB模型的图像修补算法

在BSCB模型上考虑了图像的梯度以及相应邻点的信息,引入m ax/m in函数,提出用ASG算子代替光滑算子,对BSCB模型进行修改.实验证明,新算法能较好地对图像进行修补,尤其是在保持边缘和角点的特征上效果比较好.     

基于同向梯度扩散的图像去噪方法

在Perona-Malik模型基础上对扩散系数进行改进,引入了同向梯度扩散函数.实验结果表明,改进后的平滑方法既能更有效地消除图像中孤立噪声点,又可以更好地保持边缘.     

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。     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

基于块匹配和共同向量的图像去噪研究

针对图像去噪过程中存在边缘细节信息丢失的问题,提出一种结合块匹配和共同向量的图像去噪方法。通过块匹配在像素块邻域内搜寻相似块构建向量集,由Gram-Schmidt求出共同向量,再由原始向量与共同向量的差经过线性最小均方误差估计后,与共同向量重建图像块。实验结果表明,方法能够有效去除图像的高斯白噪声,并能保持图像的边缘细节信息。     

基于改进的HDCS的图像去噪方法

针对数字图像主要含有高斯噪声和椒盐噪声的特点,提出了一种基于改进的各向异性的混合扩散模型。传统的基于边缘增强和相干增强的模型,虽然能够有效地去除噪声;但也会存在减弱相干结构和背景的对比度等问题,同时在保持图像细节纹理方面可能会出现失真。通过在扩散方程中引入一个源项;并充分考虑它对模型中各项产生的影响,使得改进后的模型既能有效去除噪声,也能有效地保持相干结构和背景的对比度;同时在模型中引入一个偏微分方程用以获取保真项,使得图像的细节保护效果更明显。实验结果表明,该方法能达到较理想的去噪和恢复图像纹理信息的结果,而且明显改善了图像的视觉效果。