结合Contourlet变换的各向异性扩散图像去噪

提出了一种结合Contourlet变换的各向异性扩散图像去噪算法.结合Contourlet变换和各向异性扩散的优点,通过Contourlet变换得到图像不同尺度的Contourlet系数矩阵,实现了建立在对图像多尺度分析基础上新的各向异性扩散算法.实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时避免了传统的各向异性扩散出现的阶梯效应,更好地保留了图像的纹理和细节.     

基于各向异性扩散偏微分方程的图像去模糊

利用图像结构张量导出的各向异性扩散滤波,具有平滑噪声的同时保持细节的特点,提出基于结构张量的能量最小化去卷积正则化模型,并对由此导出的偏微分方程应用于灰度图像和向量值图像去模糊作了分析。灰度图像的各向异性扩散滤波可以由梯度平滑的结构张量实现,相应的偏微分方程取决于平滑结构张量决定的惩罚函数。与其它非线性扩散滤波去模糊的方法比较结果证实所提方法在信噪比和视觉质量上都具有更好的效果。     

结合USFFT Curvelet变换的各向异性扩散图像去噪模型

提出了一种结合USFFT Curvelet变换的各向异性扩散图像去噪模型.它有机结合了Curvelet变换和各向异性扩散(P-M扩散)两者的优点.通过P-范数方法选择合适的梯度阈值K,P-M扩散过程通过处理经过Curvelet变换得到的图像的不同尺度的Curvelet系数矩阵,实现了建立在对图像多尺度分析的基础上的新P-M扩散模型.实验表明,新模型的处理结果能有效避免传统P-M扩散出现的阶梯效应,同时更好地保留图像的纹理和细节.     

一种偏微分方程图像平滑方法

在各向异性扩散图像平滑的过程中,保持图像平滑性及保留图像特征都很重要。本文将复域内的扩散过程 与实数域内的扩散过程结合起来,使扩散过程具有更好的平滑效果,并能更好保持图像边缘,用实验证明该方法的有效性。     

一种基于核函数的各向异性扩散图像去噪算法

分析了各向异性扩散去噪模型优缺点,针对PM模型不能有效区分噪声和边缘,提出了一种基于核函数的各向异性扩散去噪模型。在该模型中,把图像中噪声与边缘在低维空间的非线性区分关系转变为高维特征空间的线性关系,利用核函数获得高维空间的扩散函数。实验中分别与PM模型、Cattle模型比较分析,证明基于核函数的扩散模型在去除噪声的同时,更好地保留图像的信息,且峰值信噪比最高,去噪性能最优。     

一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

一种改进的各向异性扩散超声图像去噪算法

针对传统的各向异性扩散算法中扩散系数函数的平滑效果不好,扩散过程中扩散门限K的选取依靠经验确定,扩散过程对图像细节保护不足的问题,提出了一种改进的各向异性扩散算法。介绍了几种当前比较典型的各向异性扩散去噪算法;在典型算法分析的基础上提出了一种基于自适应中值滤波的改进扩散模型;根据扩散系数应满足的3个条件及经典的扩散系数函数,提出了改进的扩散模型中的改进扩散系数函数;提出了一种扩散门限K的自适应选取的方法。通过在改进的扩散模型中使用改进的扩散系数函数并结合扩散门限K的自适应选取,对超声图像进行去噪。实验结果表明,所提算法优于PM模型、Catte模型、王常虹算法等,去噪后图像的FOM值比PM模型高出3.34%,PSNR值比PM模型高出0.250 6。该算法在去除散斑噪声的同时有效保护了图像的细节及边缘,有助于医务人员对患病区域的准确诊断。     

一种具有噪声鲁棒性的人脸表情识别算法研究

为降低噪声对人脸表情识别的影响,首先提出具有人眼视觉特性的各向异性扩散滤波方法,对图像进行滤波预处理;同时采用改进HOG算子提取人脸表情特征。实验结果表明,改进的各向异性扩散滤波算法在滤除噪声的同时能更好地保留表情图像的弱小细节信息,改进HOG算子相比传统特征提取算子可以更准确地描述人脸表情特征。因此,该算法是一种有效的、具有一定噪声鲁棒性的人脸表情识别算法。     

基于局部最小相关系数的自适应扩散迭代次数研究

针对典型Perona-Malik各向异性扩散去噪模型中采用固定迭代次数的不足,提出了一种自适应迭代次数确定算法,通过去噪后图像与噪声的局部最小相关系数来自动确定扩散迭代次数.实验结果表明:本文算法比传统算法去噪效果更好,同时也很好地保持了图像的边缘细节,且具有一定的通用性.     

一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

非线性扩散方程在SAR图像噪声抑制中的应用

将光学图像加性噪声抑制的非线性扩散方程引入到SAR图像相干斑抑制中，通过分析SAR图像的相干斑噪声模型在功率图像域以及功率图像的对数域上的表现特性，说明了基于加性噪声模型的非线性扩散方程在SAR图像噪声抑制中的应用可能性，并由此设计了基于非线性扩散方程的SAR图像噪声抑制算法。计算结果表明，与现有的SAR噪声抑制方法相比，非线性扩散方程方法具有更强的对背景区域的噪声抑制能力，且能更好地保持目标特征。     

一种改进的各向异性扩散模型

各项异性扩散方程是一种经典的图像去噪方法,但该方法在去除噪声的过程中会造成一定程度的模糊边缘。对此文中提出了一种基于改进的各向异性扩散方程的图像去噪方法,通过在其能量泛函的目标函数中添加残差项,使能量泛函的极小解更加接近原始的函数,可取得比其更好的去噪效果。文中方法可看作是各项异性扩散方程和全变差模型的结合。实验表明,新提出的方程相对经典的方程有较好的边界处理效果和更高的信噪比。     

基于各向异性扩散的SAR图像斑点噪声滤波算法

在SAR(Synthetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD模型)的基础上,提出了一个基于各向异性扩散的SAR图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier 等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.     

基于人类视觉系统的各向异性扩散图像平滑方法

本文首先分析了图像处理领域中现存各向异性扩散技术所面临的一些问题,然后根据人类视觉系统的一些特性提出了一个改进的各向异性扩散方法.由于该方法充分利用了可见度函数所提供的信息,它不仅避免了Perona-Malik 以及You-Kaveh方案中对参数选择的困难,而且也克服了Catte方案对观察图像进行预平滑的过程中所面临的问题.实验结果表明,在图像平滑的过程中,该方法在噪声消除和边缘保留方面能获得较好的效果.     

Anisotropic diffusion for noise removal of band pass signals

A noise removal method for band pass signals based on the anisotropic diffusion algorithm originally put forward by Perona and Malik is proposed in this paper. The anisotropic smoothing algorithm proposed here is for band pass signals modulated with a constant carrier frequency. A partial differential equation to smooth band pass noisy signals is derived. The propagator of this differential equation is also analytically calculated in this paper. An appropriate linear operator is then considered here for such band pass signals to form an anisotropic diffusion algorithm. The algorithm proposed here demonstrates better performance for band pass noisy signals containing discontinuities in comparison with the traditional Perona-Malik (PM) algorithm and is robust in the presence of excessive noise with SNR less than unity.     

一种改进的方向扩散方程滤波方法

利用方向扩散方程去噪时,噪声滤除的同时边缘也很快模糊了.基于这一缺陷,本文用各向异性扩散算子代替了方向扩散方程第一项中的拉普拉斯算子,并在方程的两个扩散项前加上了不同的扩散系数,以保证算法既能快速扩散去除噪声,又能较好保留边缘.而且,当新模型中的初始逼近图像退化为常数时,本文模型就退化为Perona-Malik扩散方程,因此Perorm-Malik扩散方程是本文新模型的一个特例.实验结果和客观数据分析均表明本文算法在保留边缘方面具有明显的效果.     

基于各向异性扩散的图像去噪并放大

本文从各向异性扩散图像去噪方法出发,在偏微分方程有限元方法的基础上,提出一种图像复原并放大的 算法,实验表明该算法比中值滤波后插值所得图像的主、客观质量要好。