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.     

一类带时滞PDE模型在图像去噪中的理论研究

基于经典的P.L.Loins模型,提出了一类带时滞非线性PDE模型在图像去噪中的应用。该模型与以往图像去噪模型不同。以2阶扩散张量代替经典的各向异性扩散系数的方法,给出一种简单有效的描述方法。针对新模型,给出了模型解的适定性证明,为进一步进行数值模拟提供了理论依据。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的.为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪.由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强.仿真结果表明:该去噪方法优于传统小波阈值去噪方法.     

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。     

图像去噪的ROF模型及仿真实验

基于PDE模型的图像去噪是一种非常有效的方法,本文给出了离散迭代格式,通过C++仿真实验验证了算法对抑制噪声的有效性,实验结果显示该算法能很好地保持边缘等细节特征,且峰值信噪比得到有效提高。     

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.     

基于卷积神经网络的超声造影图像去噪方法

针对超声造影图像包含大量噪声的问题, 提出一种基于卷积神经网络的超声图像去噪方法. 首先, 通过图像平移、 翻转、 旋转等数据增强方法扩充稀缺的超声造影图像样本数量; 其次, 通过重叠切割小图像块, 进一步扩充样本数量; 最后, 以图像块和人工噪声为输入训练集, 训练基于卷积网络结构的去噪模型. 实验结果表明, 该方法可有效扩展至不同大小的超声造影图像, 对于超声造影图像去噪后的峰值信噪比高于传统的图像去噪方法.     

基于新型螺旋相位滤波器提高图像边缘增强对比度的方法

提出了利用类贝塞尔螺旋相位滤波器实现提高图像边缘增强对比度的方法．给出了普通螺旋相位滤波器和类贝塞尔螺旋相位滤波器的点扩散函数,并利用圆孔、汉字和洋葱表皮细胞等三幅图像进行了边缘增强的模拟计算,发现与普通螺旋相位滤波器的图像边缘增强结果相比,基于类贝塞尔螺旋相位滤波器的图像边缘增强对比度得到显著提高．     

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。     

基于引导滤波的红外图像预处理算法

针对红外图像固有噪声和灰度分布非均匀性影响图像质量的问题,提出一种基于引导滤波的红外图像预处理方法。根据引导图的局部信息,在红外图像的不同位置动态生成滤波核函数,从而可以在平滑场景的同时保持甚至增强边缘细节。实验表明,本文方法可以有效滤除噪声,保持场景强边缘,改善灰度分布非均匀性;且由于引导滤波算法复杂度与滤波半径无关,处理速度快。此外,应用实验表明该方法可以提高融合图像视觉效果,增强目标跟踪的定位精度,在图像增强中能够有效避免伪边缘的产生。     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

一种基于统计特性的邻域均值滤波算法

在对传统均值滤波研究的基础上，提出了一种改进的数字图像均值滤波算法。该算法经实验证明在滤除数字图像高斯噪声币口随机散点噪声时较传统方法有更好的效果，得到的图像边缘清晰。同时，还尝试将这种改进算法币口传统算法相结合以求在增强图像边缘保护效果的同时使图像同态区域得到更好的平滑。