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．     

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CV模型改进的MRI图像分割方法

为解决灰度变化缓慢,边缘变化不明显的MRI图像的分割问题,在CV(Chan-Vese)模型的基础上,改进了CV模型的能量泛函,同时用新的g(R)来替换Dirac函数,优化了CV模型的参数,提高了CV模型的分割精度和分割速度。首先,引入了一个新的局部项。通过对图像进行局部直方图均衡化预处理,用预处理过的图像与原图像相减得到目标边缘变化较为明显▽I,将其作为局部项引入到CV模型的能量泛函。然后,由局部项构建新的边缘指示函数。用新构建的边缘指示函数g(R)代替Dirac函数,解决了CV模型演化曲线不能检测远离目标的边缘的问题。最后,优化平滑项参数,减少迭代次数提高运行效率。实验结果显示,本算法对脑部复发性胶质母细胞瘤的MR图像具有较好的分割效果。     

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。     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

引导滤波和三维块匹配结合的红外图像去噪

针对红外图像存在噪声较大的问题,提出了一种引导滤波和三维块匹配结合的红外图像去噪方法.该方法通过将引导滤波与三维块匹配方法相结合,采用二次联合滤波的策略减轻了三维块匹配去噪方法在平滑区产生明显的“抓痕”现象.通过BM3D (block method of 3-dimension)去噪方法得到初始滤波图像;对噪声图像在低尺度进行BM3D去噪得到比较平滑的引导图像,用引导图像指导初始滤波图像进行二次滤波.仿真结果表明,提出的算法既保持了BM3D去噪算法的优秀性能,且具有更好的视觉效果和更高的峰值信噪比及结构相似度.     

基于改进阈值的MRI图像降噪

针对传统硬阈值函数的不连续性和软阈值函数存在恒定偏差的不足，提出一种新的具有连续性、渐近性和灵活调节性的改进阈值函数。具体地，首先选取改进的固定阈值并经过实验选择合适的小波基，然后通过增加调节参数来降低阈值函数的恒定偏差，最后通过实验模拟验证了本文方法在图像相似性评价标准上去噪效果的优越性。     

基于纯各向异性扩散和四阶PDE的混合去噪方法研究

综合纯各向异性扩散模型和四阶PDE模型在图像去噪中的特点,提出一种新的去噪模型——基于纯各向异性扩散和四阶PDE的混合去噪模型.该模型克服了四阶PDE模型过多损失边缘信息和纯各向异性扩散模型在平滑区域产生阶梯效应的缺点,在有效去除噪声的同时,既抑制了阶梯效应,又很好地保持了图像的边缘和纹理细节信息.     

一种新的图像去噪方法

传统的去噪方法需要进行较多的预处理,提出一种基于非张量积小波滤波器和二维主成分分析的图像去噪方法．该方法在不需要预处理的情况下,直接利用原始图像的分解信息进行去噪．利用客观的峰值信噪比（PSNR）和主观视觉效果作为评价标准．仿真实验表明该方法不仅PSNR值较大,而且明显地改善了去噪后的视觉效果．