基于各向异性逆扩散方程的指纹图像锐化去噪方法

基于逆扩散过程的启发,提出各向异性逆扩散算法用于指纹图像的锐化去噪方法,克服了退化扩散方程对大曲率边缘点的模糊效应,兼顾了去噪和保持边界这一矛盾的两个方面,尤其适合于纹理密集的指纹图像锐化.实验结果表明,本文算法对于带噪指纹图像的锐化效果明显优于以往非线性扩散处理算法.     

结合局部熵的各向异性扩散模型

Perona-Malik (P-M)模型是一个经典的各向异性扩散模型,该模型不能保持图像的重要细节(如纹理)。针对此问题,文中提出一个结合局部熵的各向异性扩散模型,该模型的扩散系数不仅依赖于图像梯度,也依赖于局部熵描述的局部区域信息。实验表明该模型不仅能有效去除图像噪声,更好保持图像弱边缘,而且能较好地保持图像的重要细节。     

P-M模型扩散函数的改进

P-M模型是图像平滑中经典的模型,其特点是既能消除孤立噪声点,又能有效保持图像边缘。P-M模型中的扩散函数,其作用是控制平滑力度。本文在研究P-M模型基础上构造了一个新的扩散函数,采用新扩散函数的P-M模型对图像进行平滑,其结果与经典的P-M模型相比,在峰值信噪比相当的情况下,迭代次数大大减少,运行速度得到很大提高。     

改进的各向异性复扩散模型的医学图像去噪方法

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.     

图像有损压缩预处理的各向异性扩散新方案

结合小波变换,提出了图像有损压缩预处理的各向异性扩散方案。各向异性扩散在图像平滑中,其不但能够较好地抑制噪声,而且能够很好地保留图像原有的边缘和纹理特征,而小波变换又具有人类的视觉特性。该方案先对图像作小波变换,再根据各子图像的特点,用不同的各向异性扩散方法处理子图,最后压缩重构图像。实验表明,对有损压缩来讲,与已有的方法比较,该方案具有更好的解码质量和更高的压缩比。     

一种非线性扩散线形纹理图像增强的方法

对于运用非线性扩散滤波器对线形纹理图像的增强,提出了一种根据图像纹线方向对传统扩散滤波器的扩散系数的修正,使修正后的“半各向异性”扩散滤波器适合于线形纹理图像的滤波。文中直接给出了滤波器的离散形式,使滤波过程易于实现,并缩短了滤波时间。     

基于图像特征方向的各向异性扩散滤波方法

传统的各向异性扩散滤波方法都是从偏微分方程本身出发的,理论上的分析较为复杂.本文研究了基于图像特征方向的内在正交坐标系,分析了在此框架下的扩散滤波机制,然后直接从该坐标系下建立各向异性扩散滤波方案.这样的扩散滤波方法更加直观,可以简化理论分析.在此框架下,提出了一种新的各向异性扩散滤波方法.数值实验结果表明,新的扩散滤波方法可以更好地考虑图像的局部特性,从而完成细节保护和噪声消除的双重功能.所以,基于图像特征方向建立的各向异性扩散滤波方法更能达到我们预期的效果,该设计方法是有效的.     

基于改进的各向异性扩散方程的医学超声图像降噪方法

提出了一种基于各向异性扩散方程的改进方法.通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域.仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法.     

一种改进的各向异性扩散去噪模型

为了既能有效地去除噪声,又能够较好地保持图像的边缘以及重要的细节信息,在Perona和Malik提出的各向异性扩散模型(P-M模型)的基础上,通过对扩散方程中扩散函数的改进,提出了一种具备自适应性的去噪扩散模型,该模型对图像去噪处理更加高效。改进的扩散函数在梯度较小时为一个常数,大于某个阈值后变为单调递减函数,直至某个梯度时递减为零。以上扩散函数特性使各向异性扩散模型能够达到在同质区加速平滑、在边缘区停止平滑的目的。实验结果表明,改进的扩散模型是一种更为理想的保边缘平滑模型。     

基于各向异性扩散的图像平滑及在三维重构预处理中的应用

采用基于各向异性扩散的偏微分方程，其初始值为输入图像，转化为差分格式迭代求解滤波结果。在去除噪声的同时，保持重要的边缘和局部细节。在此基础上提出了8向的各向异性扩散和边缘增强的处理技术，取得了满意的结果，并将此切片图像经聚类分群运用到三维重构中，使重构的效果更好。     

基于最小描述长度原则的各向异性扩散模型

各向异性扩散的最大特点在于它是有选择性的平滑过程,这种平滑过程在均匀的区域不受限制,而在跨越边界部分被抑制,因此噪声和一些无关的细节被平滑掉了,从而能够有效地实现图像保边缘平滑。在现有各向异性扩散模型中,偏微分扩散方程解的适定性和扩散系数中的梯度阈值的合理估计是尚未很好解决的问题。为此利用最小描述长度(MDL)原则发展了一种各向异性扩散模型,并与Lyapunov函数的p-范数相结合,改善了各向异性扩散模型中梯度阈值的估计方法,形成了一种性能较好的各向异性扩散非线性滤波技术。实验结果表明,该方法不仅能够更有效地识别噪声图像中的细节边缘,而且还保证了各向异性扩散模型的稳定性;改进的扩散模型,滤波效果优于传统的各向异性扩散模型,是一种较为理想的保边缘滤波方法。     

小波域上图像非线性扩散滤波

提出一个小波域上图像扩散滤波恢复新模型。主要思想是把原图像作为最精细尺度下的小波子带，根据噪声分布的特点，导出保护较大尺度下信息的泛函模型代替小波阈值除噪，对泛函求变分得：Euler-Lagrange方程。新的滤波方法能避免小波阈值除噪的伪Gibbs现象，改进了同类型非线性扩散方程滤波的效果。利用可加算子分裂(AOS)格式求非线性扩散方程的数值解。实例的数值计算说明对图像滤波和保护边缘的有效性。     

曲率驱动的基于亥姆霍兹涡量方程的图像修复模型

图像修复模型根据已知区域信息自动修复目标区域,且保证修复后的图像满足人眼视觉系统的要求,目标区域轮廓自然.理论分析证明,流体力学中无粘亥姆霍兹涡量方程可以实现图像修复.根据曲线和曲面运动方程,使用曲率驱动亥姆霍兹修复模型中的等照度线传输方向.曲率是图像几何特征作用的结果,所以新模型可以很好地保持图像中的线性特征.图像中涡量为平滑程度的度量,二维图像域中涡量具有扩散性,对涡量方程的结果做各向异性扩散,使等照度线间的图像信息交互.亥姆霍兹涡量方程修复模型中的各个参数及扩散过程是涡量扩散性和耗散性以及图像几何特征作用的结果,扩散后的修复模型稳定且不存在错误的传输方向.理论和实验证明了曲率驱动的亥姆霍兹涡量方程模型在图像修复中的有效性.     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程（PDE）和基于纹理合成的修复方法。在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复。在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息。通过数值实验也表明该方法的有效性。     

各向异性尺度空间图象增强

文章讨论了各向异性热传导系数尺度空间理论在图象增强中的应用。尺度空间的生成可以通过热传导方程来获得,传统的理论采用各向同性的热传导系数。为了在对图象噪声进行平滑的同时,保持图象的细节,采用了各向异性的热传导方程。考虑到旋转不变性,对各向异性的热传导方程的计算方法进行改进,不仅考虑了垂直和水平方向的影响,而且考虑对角方向上象素点的影响。实验证明算法是有效的。     

Improved Geometric Anisotropic Diffusion Filter for Radiography Image Enhancement

In radiography imaging, contrast, sharpness and noise there are three fundamental factors that determine the image quality. Removing noise while preserving and sharpening image contours is a complicated task particularly for images with low contrast like radiography. This paper proposes a new anisotropic diffusion method for radiography image enhancement. The proposed method is based on the integration of geometric parameters derived from the local pixel intensity distribution in a nonlinear diffusion formulation that can concurrently perform the smoothing and the sharpening operations. The main novelty of the proposed anisotropic diffusion model is the ability to combine in one process noise reduction, edge preserving and sharpening. Experimental results using both synthetic and real welding radiography images prove the efficiency of the proposed method in comparison with other anisotropic diffusion methods.     

基于各向异性扩散方程的多层次并行图像去噪

针对利用各向异性扩散方程的去噪模型在求解中存在计算量大、耗时长、影响实时性等缺点,本文充分利用并行知识,提出了有效的解决方案。即基于各向异性扩散去噪模型,设计工作站机群平台,对噪声图像进行条状重叠的数据划分,以便实现算法节点内与节点间的两级并行策略:在机群结点内部采用共享内存结构,机群节点间采用分布内存结构,以二者的最优结合实现并行的层次结构化,从而得到一种高效的多层次并行图像去噪算法。实验结果表明,在基于混合模型的并行环境下,该算法能在一定程度上提高原算法的计算效率,不仅有效地缩短了运行时间,而且仍能获得与其相当的图像去噪质量。     

基于各向异性扩散的彩色细胞图像自动分割

本文采用基于各向异性扩散与均值位移相结合的分割算法对医学图像分割进行研究。将图像分成色度和非色度信道,分别对这两个信道进行各向异性扩散,把扩散后生成的结果进行平均值位移聚类分割,得到图像的最终分割结果。这一方法在有效抑制过分割现象的同时,保留了面积很小但对比度高的感兴趣区。实验表明该算法简单有效且稳定,并以癌细胞为例,给出分割结果。