基于45N度旋转梯度等模算子偏微分方程去噪模型

传统的二阶中值曲率扩散模型(MCM)在去噪时虽然能有效地保持图像的边缘,但是在平滑区域却产生阶梯效应,以及过度扩散的现象.四阶偏微分方程模型(LLT)在去噪的同时虽能有效地抑制二阶偏微分方程产生的阶梯效应,能很好地保持图像的纹理信息,但却过多地损失了边缘信息.为了避免以上去噪过程中存在的问题,利用归一化的45N度旋转梯度等模算子作为权重,提出了传统的二阶中值曲率扩散模型(MCM)和四阶偏微分方程去噪模型(LLT)自适应的混合模型,使得它们在有效去除图像中噪声的同时,也能很好地保持图像的边缘和纹理细节信息.实验结果证实了所提出的模型的有效性.     

结合Curvelet和LLT模型的图像去噪模型

Curvelet去噪彻底,易产生“阶梯”效应,四阶偏微分方程LLT模型去噪能很好地保护图像细节特征,不会产生阶梯效应。提出了一个模型将Curvelet去噪和四阶偏微分方程中LLT模型去噪的优点通过权函数λ结合起来,实验表明,新的模型能很好地发挥二者的优点,不但很好地保护图像细节特征,消除阶梯效应,去噪彻底且能很好地保持边缘,去噪率和视觉效果优于Curvelet和LLT方法。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于耦合偏微分方程的煤矿图像去噪算法

针对煤矿复杂环境下矿井图像具有噪声大、照度低的问题,提出了一种基于二阶与四阶偏微分方程耦合的煤矿图像去噪算法。该算法利用差分曲率边缘检测算子将二阶与四阶偏微分方程模型有效耦合,保持图像边缘,利用尺度因子保护图像纹理细节。实验结果表明,该算法能很好地保持图像边缘、保护图像纹理细节,且收敛速度快,可避免阶梯效应。     

改进的二阶总广义变分图像去噪算法

为了有效地去除含噪图像中的噪声,克服总变分（TV）去噪易于导致阶梯效应的缺陷,提出了一种改进的二阶总广义变分（TGV）的图像去噪方法。介绍了二阶TGV的理论基础,在二阶TGV中引入了各向异性扩散张量,利用张量函数引导扩散,获得了新的去噪模型,最后提出了一种扩展了的原始-对偶算法对新模型进行数值求解。新模型充分结合了二阶TGV作为正则项自动平衡了一阶和二阶导数项,以及张量函数的各向异性扩散,有效突出边缘结构的特性。实验结果表明,该方法在有效地去除含噪图像中噪声的同时,避免了阶梯效应,增强了对原始图像中边缘结构的保持。     

一种基于偏微分方程变分去噪模型

近年来,国内外学者对于泊松噪声的研究越来越多,在TV模型的基础上提出了不少二阶去噪模型,它们在有效去除噪声的同时,很好地保护了图像边缘细节,但是共同的缺点是产生了“块效应”。针对这一不足,文中提出了一种四阶去噪模型,运用变分原理得到了其相应的欧拉拉格朗日方程,并用梯度下降法求解拉格朗日方程。文中运用差分法对该模型进行了数值求解与仿真,实验结果表明,提出的方法不仅去噪效果良好,而且有效改善了二阶去噪模型中出现的“块效应”,同时有效保护了边缘细节。     

平滑区域梯度保真的图像降噪方法

基于有界变差的图像去噪模型在去除噪声的同时会产生“阶梯效应”,在模型中藕合梯度保真项能够有效地抑制“阶梯效应”,但全局梯度保真却导致图像的边缘模糊。新模型讨论了平滑区域的判定方法,在此基础上给出了基于平滑区域梯度保真的去噪模型和两种修正方法。新的去噪方法在去除图像噪声的同时压低了“阶梯效应”,且能够很好地保留图像的边缘。数值实验验证了所提模型的效果。     

You-Kaveh图像去噪模型扩散系数的改进

本文在You-Kaveh模型的基础上,提出了一个新的扩散系数,得到了一个去噪效果更好的方程,新方程不但能够去除高斯噪声,而且能够很好地去除椒盐噪声。同时,改进了模型中拉普拉斯算子的离散形式,使其包含更多的图像信息,能够更准确地判断图像的特征。采用本文方法处理后的图像,避免了用二阶偏微分方程处理图像常出现的"阶梯"效应;同时,和同类的四阶偏微分方程去噪模型相比,本文方法的处理结果不会出现"斑"点,因此视觉效果更加理想。最后通过实验证明了该方法的有效性。     

去除图像高强度乘性噪声的变分模型

本文提出了一种新的去除图像高强度乘性噪声的变分模型,该模型针对现有全变分方法在去除图像高强度乘性噪声时出现的边缘模糊、去噪效果不佳及“阶梯”效应等问题进行研究.然后导出了该模型对应的偏微分方程的初边值问题,分析了模型的去噪机理,并给出了相应的数值计算方法.数值实验结果表明,新模型不仅提高了图像去噪的质量,在视觉上更平滑自然,基本上消除了“阶梯”效应.此外,新模型在运行时间方面也具有较大的优势.     

一种抑制图像阶梯效应的改进全变分去噪方法

针对全变分图像去噪算法中处理边缘区域与平滑区域相互冲突从而导致阶梯效应的问题,提出利用局部梯度阈值对两者进行分开滤波去噪的方法。在分析现有利用小波变换进行噪声预测的基础上,提出更精确的改进预测算法;通过实验,得到局部梯度阈值与噪声方差的关系方程,以及最优梯度阈值的估算方法;给出改进算法的步骤与迭代方法。实验结果表明,该算法能有效去除图像上的高斯噪声、获得较好的边缘保护效果,同时能克服全变分去噪后复原图像出现阶梯效应的问题。     

基于四阶偏微分方程平滑的图像分割新方法

在方向曲率模值描述图像平滑度的泛函基础上，推导出一种四阶偏微分方程(PDE)图像降噪模型，在有效降噪的同时，较好地保持了边缘。该方法处理结果为分段线性图像，且在目标边缘处梯度存在阶跃。利用降噪结果的这一特点，提出一种新测地线主动轮廓模型。实验表明，新模型不但稳定，轮廓提取能力强，而且收敛速度快。     

一种基于四阶偏微分方程的噪声消除方法

介绍了一种基于四阶偏微分方程(PDE)噪声消除方法。采用分片平面图像逼近被处理图像。在噪声消除同时保持良好边缘,避免了使用二阶偏微分方程处理图像常常出现的块效应。实验结果表明该方法是行之有效的。     

Iterative Image Restoration Combining Total Variation Minimization and a Second-Order Functional

A noise removal technique using partial differential equations (PDEs) is proposed here. It combines the Total Variational (TV) filter with a fourth-order PDE filter. The combined technique is able to preserve edges and at the same time avoid the staircase effect in smooth regions. A weighting function is used in an iterative way to combine the solutions of the TV-filter and the fourth-order filter. Numerical experiments confirm that the new method is able to use less restrictive time step than the fourth-order filter. Numerical examples using images with objects consisting of edge, flat and intermediate regions illustrate advantages of the proposed model. This work has been supported by the Research Council of Norway.     

对称四阶偏微分方程去噪算法

通过分析整体变分模型的去噪原理和效果,提出一个新的四阶偏微分方程去噪模型,用于克服二阶偏微分方程去噪后使图像分块的缺点,同时保持去噪后图像的高保真性,并发展一个基于四邻域系统的对称离散化算法用于求解新模型,应用中值滤波去除四阶偏微分方程去噪所引起的亮点。实验结果表明,与传统方法相比,以该算法去噪后的图像具有更好的质量和视觉效果。     

基于非局部总广义变分的图像去噪

针对全变分(TV)模型在去除图像噪声时容易产生阶梯效应的缺点,将二阶总广义变分(TGV)作为正则项应用于全变分模型中可以有效地去除阶梯效应,并且还能够更好地保持图像边缘纹理结构;利用非局部均值滤波算法的思想来构造非局部微分算子,将非局部微分算子应用于总广义变分模型中,综合提出了一种基于非局部总广义变分的图像去噪新模型。新模型充分利用了图像的全局信息进行去噪。实验结果显示了该模型的有效性和优越性。     

混合高阶全变差正则化的运动模糊图像盲复原

针对运动模糊图像的盲复原,提出一种基于混合高阶全变差正则化的盲复原方法。该方法首先采用shock滤波器从模糊图像中预测出清晰的图像边缘,并用多尺度策略实现对模糊核由粗到细的准确估计。然后根据自然图像边缘的稀疏特性,将全变差模型的保护边缘特性结合高阶全变差克服平滑区域阶梯效应的优势,对图像进行正则化约束,提出新的混合高阶全变差正则化模型。最后,利用分裂布雷格曼迭代策略对提出模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像边缘细节,同时有效地抑制平滑区域内振铃和阶梯效应的产生,获得高质量的复原图像。与近几年图像盲复原算法相比,不仅改进了复原图像的主观视觉效果,而且客观上提高了峰值信噪比。     

改进的二阶总广义变分图像前后景分割模型

针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平滑区域增强扩散,有效地消除噪声。为突出前景信息,用矩形框标出图像的前景信息,对框内部、外部和边缘的像素做距离映射,并根据能量最小化原则,在二阶TGV模型的数据项中引入此距离映射函数,使模型总能量更小。最后,提出了一种有效的原始对偶分割算法来求解模型。实验表明,新模型不但能够去除阶梯效应现象,保持图像的边缘信息,还使得模型总能量更小,分割得到的图像视觉效果更好。     

Kernel-based fourth-order diffusion for image noise removal

The fourth-order partial differential equations have good performance on noise smoothing and edge preservation without creating blocky effects on smooth regions. However, for low signal-to-noise ratio images, the discrimination between edges and noise is a challenging problem. A novel kernel-based fourth-order diffusion is proposed in this paper. It introduces a kernelized gradient operator in the fourth-order diffusion process, which leads to more effective noise removal capability. Experiment results show that this method outperforms several previous anisotropic diffusion methods for noise removal and edge preservation.     

利用几何结构检测去除图像中的随机值脉冲噪声

尽管中值滤波以及各种改进方法是去除图像中随机值脉冲噪声的有效方法,然而,大多数去噪方法存在门限值选取困难和对图像边缘纹理结构过平滑的缺点。针对这一问题,提出了一种基于几何结构的用于检测和去除随机值脉冲噪声的新方法。该方法首先利用图像的直方图分布来估计脉冲噪声的噪声率;然后进一步基于噪声率和细节图像的直方图分布,自适应地确定两个分类门限;最后利用两个门限,将细节图像中的像素分成‘未被污染点’、‘待定点’和‘噪声点’。其中‘待定点’主要由边缘和纹理区像素和噪声像素构成,为区分其属性,还引入了几何结构检测方法。基于各像素点的类型,细节图像被用于修正中值滤波的结果。实验结果表明,该新方法在去除脉冲噪声的同时,还很好地保留了图像的边缘结构。与已有的方法相比,具有明显的优势。