基于指数变量的复小波域自适应扩散图像滤波算法

为了克服传统各项异性扩散模型在图像滤波时出现的阶梯效应和边缘模糊问题,利用复小波变换较好的完美重构性和方向选择性等特点,结合图像的梯度和复小波变换模特征,设计了一种复小波域自适应图像扩散滤波模型,提出了一种基于指数变量的自适应扩散图像滤波算法。通过计算机仿真验证了所提算法的滤波性能,结果表明该算法在低信噪比条件下可有效地滤除图像噪声,并且能较好地保持图像的边缘、纹理等细节信息。     

基于视觉梯度的图像非线性扩散滤波

各项异性非线性扩散滤波方法自诞生以来,许多研究者致力于该方法的改进和优化,并取得了很大的进步。然而,这些改进模型都很少关注到人类视觉系统信息的利用。把视觉系统信息融合到梯度信息中,定义了视觉梯度这一全新的概念。在此基础上,用视觉梯度替代经典的各项异性扩散模型中的图像梯度,得到了基于视觉梯度的各向异性非线性扩散滤波模型。最后,数值实验结果说明了该模型的效果。     

基于中值滤波的小波域水印算法

提出一种小波域鲁棒图像水印算法,水印信息被嵌入小波变换的低频子带。为检测对视觉不敏感的离散小波变换低频系数,将小离散波变换的低频子带进行中值滤波,并与原小波变换低频子带的小波变换系数比较,对变化程度小的系数嵌入水印信息。实验结果表明,该算法与基于小波低通滤波的水印算法相比,保证不可见性,对压缩、中值滤波、剪切、锐化等具有更强的鲁棒性。     

基于图像分解的多核非线性扩散去噪方法

研究了一种基于图像分解的多核非线性扩散去噪方法,利用两个非线性扩散模型分别提取图像的主信号和细节信息。先建立一个基于边缘定向的非线性扩散模型,实现对图像的主信号的提取。然后利用P—M扩散方程提取残余图像中的高频信号。将两步处理得到的信号进行合成,得到最后的处理结果。该方法能充分利用各个不同模型的优势,在整幅图像上均具有较好的处理效果。仿真计算结果表明,经该方法处理后的图像与现有的非线性扩散去噪方法相比,其噪声抑制更充分、边缘更清晰、峰值信噪比更高。     

基于小波变换的非线性尺度扩散方法

小波变换用于图像处理之所以具有特别的优势，因为它能够聚焦到图像的细微变化。与小波变换不同，用偏微分方程来进行图像处理则需要对图像进行反复的迭代，直到得到一个稳定解，其整个过程是对图像进行整体处理，而且在去噪的同时，可以很好地保持边缘形状不变。若将两者有机结合，则不仅会克服各自的缺点，而且会得到更好的效果。为了在进行图像处理时，既能很好地抑制噪声，又能尽可能多地保持图像细节，提出了一种小波变换与非线性尺度扩散相结合的图像处理方法。该方法是利用小波变换的时频局部性和非线性尺度扩散的边缘增强特性来对图像进行处理，实验结果表明，其不仅能很好地抑制噪声，而且可保留尽可能多的图像细节，可见该方法是有效的。     

小波滤波的移动最小二乘图像变形方法

为了获得具有真实感的变形图像,改变以往直接对图像进行变形的做法,首先对图像进行预处理,提出基于小波滤波的移动最小二乘法图像变形对原始图像先进行滤波,把图像分成低频子图像和高频子图像,只对低频部分使用基于控制点集的移动最小二乘法进行变形,对不同部位的轮廓和边缘进行不同尺度的变形,较好的描述了图像中的形状和轮廓信息;对高频部分不作处理,有效的保持了图像的细节信息.再将变形后的低频部分与原图像的高频部分相加得到最后的变形结果.实验表明这种方法很好的保留了图像的高频信息,可以使图像产生平滑的变形,获得具有真实感的变形效果.     

保护角点的非线性扩散滤波

基于偏微分方程的非线性扩散滤波可以有效去除噪声,同时很好地保护边缘信息,但角点在其滤波过程中逐渐变得圆滑甚至消失。通过设计扩散系数为梯度模及曲率的函数,提出了一种保护角点的非线性扩散滤波模型。该模型在区域内部为普通的高斯滤波,而在边缘处滤波效果降低,在角点处滤波效果进一步降低,从而在滤波过程中角点信息可以得到较好的保留,还可能出现角点及边缘相对增强的效果。实验结果的视觉效果及数据分析都表明,新模型可以同时保护边缘及角点信息。     

一种小波变换模极大值的扩散模型

遥感图像的噪声分析、评估和滤波一直是遥感图像处理的一个重要研究领域。近年来,基于非线性扩散模型的图像去噪方法因其在对图像进行去噪的同时,对图像的特征信息具有一定的保护作用而受到遥感图像应用领域的关注并成为研究热点。针对P-M方程和ALM模型在去除遥感高斯噪声时所存在的对图像强边缘附近的噪声难以去除和可能造成奇异点的模糊或丢失等问题,将小波变换模极大值进入到扩散模型中提出一种新的非线性扩散模型,并给出模型的离散化算法。该模型有效地克服了P-M模型和ALM模型在图像去噪过程中的不足,在有效去除噪声的同时,很好地保留了遥感图像的边缘和纹理细节信息。实验结果验证了所提出模型的有效性和稳定性。     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

基于小波维纳滤波和各项异性扩散的图像去噪

提出一种基于小波和各项异性非线性扩散的新图像去噪算法。小波域局部阈值维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或各项异性非线性扩散去噪。     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。     

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。     

各向异性扩散的图像复原

根据图像复原的性质和非线性约束的原理,提出了各向异性扩散的图像复原新算法。主要思路是根据图像的纹理和边缘结构中梯度特性,采用各向异性的自适应扩散,通过最小化能量方案来极小化代价函数,同时通过定点交替迭代策略将非线性方程进行线性化处理。实验结果表明文中方法能对模糊图像的进行有效复原,提高图像的质量。     

Quaternion Diffusion for Color Image Filtering

How to combine color and multiscale information is a fundamental question for computer vision, and quite a few color diffusion techniques have been presented. Most of these proposed techniques do not consider the direct interactions between color channel pairs. In this paper, a new method of color diffusion considering these effects is presented, which is based on quaternion diffusion （QD） equation. In addition to showing the solution to linear QD and its analysis, one form of nonlinear QD is discussed. Compared with other color diffusion techniques, considering the interactions between channel pairs, QD has the following advantages： 1） staircasing effect is avoided; 2） as diffusion tensor, the image derivative is regularized without requiring additional convolution; 3） less time is needed. Experimental results demonstrate the effectiveness of linear and nonlinear QD applied to natural color images for denoising by both visual and quantitative evaluations.     

一种基于小波变换和自适应滤波的图像拼接算法

图像拼接技术其关键在于解决拼接图像配准问题,以及如何针对多幅相关图像,进行无缝接合形成连贯的没有拼接痕迹的图像.本文针对上述问题,提出了一种算法.首先对小波域的图像信息采用灰度相关法进行匹配搜索,使用RANSAC算法对匹配点进行提纯;然后在小波域生成自适应滤波器,并在图像的拼缝处作滤波处理,得到拼接后的小波系数矩阵;对小波系数矩阵进行小波逆变换还原图像.实验结果表明:在小波域对图像进行拼接,而且在接缝处根据两幅图像的自身信息进行自适应滤波(即时改变滤波器形态),故它很好地平滑了拼接中出现的接缝.     

一种改进的小波域维纳滤波的图像降噪算法研究

针对小波域维纳滤波图像降噪存在计算速度慢和降噪效果较差,本文提出一种改进的小波域维纳滤波算法,将阈值化处理引入小波域维纳滤波,通过阈值化处理小波变换后的系数来提高降噪效果。依据改进算法的具体过程和算法步骤,运用MATLAB进行算法仿真,仿真结果表明,改进的小波域维纳滤波算法进行图像降噪可以有效地提高图像的信噪比,降噪效果良好,同时计算速度较快,节约时间。     

结合异质扩散和小波包分解的医学图像分割算法

提出一种医学图像解剖结构特征提取算法,结合异质扩散和小波包分解实现了医学图像分割.在异质扩散基础上,提出一种新的FAB扩散方法对图像进行去噪,同时保持图像解剖结构的边缘和局部细节;然后用一个基于小波包分解的自适应边缘检测算法来检测图像的解剖结构的轮廓特征.分割结果表明,该方法能在有效地去除噪声的基础上完成医学图像解剖结构轮廓特征的提取.     

一种复合各向异性扩散的图像去噪算法

本文提出一种复合各向异性扩散滤波算法,将降斑各向异性扩散(Speckle reducing anisotropic diffusion,SRAD)模型中对边缘敏感的瞬态系数(Instantaneuos coefficient of variation,ICOV)算子运用到了非线性相干扩散(Nonlinear coherent diffusion,NCD)相干模型中,并基于统计学提出ICOV算子的相关系数矩阵对图像的相关度进行度量,系数矩阵的值是每个ICOV算子与其所在行与列的相关度,此相关度的值在边缘附近会取到极大值,这个对图像的边缘检测有很好的度量,根据每个像素与其周围像素的相关度对边缘附近的扩散的强度进行修改,对图像进行更为之有效、更准确的非线性去噪与边缘加强.实验结果表明,与其他各向异性算法相比,本算法可获得更好的性能指标,具有更好的去噪效果和保留边缘功能.     

片相似性各项异性扩散图像去噪

提出了一种基于片相似性的各项异性扩散图像去噪方法.传统的各项异性图像去噪方法都是基于单个像素点的灰度相似性(或梯度信息),不能很好地保持弱梯度边缘和纹理等细节信息.基于片相似性的非局部图像去噪方法由于利用了邻域像素的灰度相似性,而能够很好地保持纹理等细节信息.将片相似性思想引入到各项异性扩散中,利用片相似性构造扩散函数,同时将片相似性各项异性扩散模型扩展到彩色图像的去噪.实验结果表明,提出的改进方法能很好地保持纹理等细节信息,不存在各项异性扩散普遍存在的明显的阶梯效应,同时比非局部图像去噪方法速度快.医学图像去噪实例也表明所提出方法具有很好的应用前景.