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。     

一种改进型各向异性扩散滤波器

通过分析Perona和Malik(PM)扩散滤波器扩散率函数的统计学意义,提出一种关于扩散率函数的统计学解释模型,即扩散率函数定义了一个以边界估计算子为随机变量的概率密度函数,解决了扩散率函数设计和选择没有统一理论的问题.依据这一解释模型,设计出一种改进型的各向异性扩散滤波器.实验结果显示,改进型扩散滤波器只需要相对于PM方法较少的迭代次数,就能得到预期的图像去噪效果,证明统计学解释模型为各向异性扩散滤波器提供了一种有效的设计方法.     

一种各向异性扩散图像去噪的方法

在用各向异性扩散的方法对图像去处噪声的过程中，有时要预先对图像进行平滑处理，再进行各向异性扩散，本文提出了一种对图像预先平滑的方法，并用实验验证了该方法的有效性。     

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.     

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.     

一种改进的非线性扩散图像去噪算法

本文提出了一种改进的PM去噪算法,利用图像的局部信息,使用当前像素的3×3邻域构造计算8个方向的扩散系数。实验表明,本文所提算法不仅能够有效去除噪声,而且能够很好的保持边沿和结构,尤其在高水平噪声下,克服了经典PM算法容易产生阶梯效应和斑点噪声的不足。     

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。     

基于各向异性核函数的均值漂移跟踪算法

均值漂移算法是一种将迭代轨迹滑向局部邻域内均值的迭代算法,已应用于目标跟踪领域。传统的均值漂移算法通常采用各向同性核函数进行跟踪,但视频序列中的跟踪目标的结构随时间而变化,尤其当目标结构快速变化时,基于各向同性核函数的均值漂移跟踪算法常常会导致目标的丢失。该文采用各向异性核函数均值漂移算法实现目标跟踪,由于该核函数的形状、大小、方向能自适应于目标局部结构的变化,保证了跟踪效果的稳定性和鲁棒性。实验结果证明该算法是有效的。     

多小波域上各向异性扩散在纹理图像去噪中的应用

去噪是图像处理中的一个重要技术,一般的去噪算法会造成图像边缘信息被平滑,为了有效地抑制噪声而同时又保护好边缘信息,在多小波变换的基础上,提出了一种新的去噪算法,它结合了多小波变化和各向异性扩散(P-M扩散)两者的优点,利用多小波变换把纹理图像分解为高频子带和低频子带,然后根据子带图的特点分别采用不同的各向异性扩散方法,实验结果表明,该算法去噪效果好,改善了图像的峰值信噪比(PSNR)和最小均方误差(MSE),同时更好地保留了图像的纹理和细节.     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

嵌入固有模态函数的各向异性扩散方程用于图像降噪

该文利用经验模态分解技术对图像进行分解,获得表示图像不同频率属性的各个固有模态函数分量,并将代表图像高频信息和次高频信息的固有模态函数嵌入到Perona-Malik模型中。改进后的模型不仅在对高斯噪声降噪时优于原Perona-Malik模型,而且对椒盐噪声也能较好地去除。     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

Region-based Anisotropic Diffusion with Soft Shock Filter for Adaptive Image Enhancement

A region-based anisotropic diffusion with soft shock filter is presented for image noise removal and edge sharpening. Two image processing steps are performed successively： smoothing and sharpening. An image is divided into different regions according to image features： edges, textures and details, and fiat areas. For edges, a shocktype backward diffusion is performed in the gradient direction to the isophote line （edge）, incorporating a forward diffusion in the isophote line direction; while for textures and details, a soft backward diffusion is done to enhance image features preserving a natural transition. Experiments on real images show that this method produces better visual results of the enhanced images than some relevant equations.     

基于各向异性扩散方程的局部非纹理图像修整与去噪

图像修整(image inpainting)是一种图像插值的方法,它根据丢失信息区域周围的图像信息来猜测和填充这个区域,图像修整属于图像恢复的范畴。利用变分方法导出的各向异性扩散方程对于图像边缘的良好保持特性,而在图像处理中得到了广泛的应用。基于这一思想,本文提出了一种基于各向异性扩散方程的图像修整算法:在填补修整区域的同时,可有效地去除噪声,同时保持边缘信息。理论分析和实验结果表明了这一点。     

基于四方向导数信息的图像非线性扩散去噪

分析图像去噪的非线性扩散模型的离散解,针对其中的梯度获取问题,考虑一种新的基于四方向导数信息的图像非线性扩散去噪方法.该方法将原有非线性扩散去噪中的二阶扩散矩阵扩展为四阶扩散矩阵,并由边缘的实际取向来决定像素点邻域内八个点对该点去噪的贡献大小,有利于更好的保护边缘和对边缘定向.数值计算结果表明,新方法较原有方法具有更高的峰值信噪比.     

基于分数阶图像增强的P-M模型

P-M扩散模型是图像处理中用于去噪平滑的经典模型,但在实际应用中常会出现零散的斑点。为了去除残存的噪点,通常采用平滑处理来消除高梯度的噪声,但这又模糊了边缘,损失了细节信息。从此问题入手,采用在噪声图像平滑处理后,应用分数阶微分来锐化图像,由于分数阶微分的非线性特性,此方法可以在增强边缘特征的同时不明显加强噪声信息。实验证明,通过文中方法的处理,图像质量和信噪比都有了明显提升。     

一种基于GVF各向异性扩散模型的图像放大算法

 提出了一种基于梯度向量流各向异性扩散模型的图像放大方法.首先低分辨率图像插值放大作为高分辨率图像的初始估计,然后利用基于GVF的平均曲率扩散模型和高斯移动平均低分辨率模型约束进行迭代复原.GVF是一种有旋场,作为外力场用来描述图像的边缘特征,能够将初始图像中斜向边缘锯齿效应表示为流线型.采用GVF外力场约束平均曲率扩散过程,能够有效去除边缘锯齿现象并保持纹理结构.高斯移动平均模型提供了图像数据保真度约束,使结果更接近理想图像.实验结果表明,本文算法能够有效提高放大图像的主观视觉质量和客观PSNR.     

基于方向纹理信息的图像融合

鉴于Brushlet分解方向纹理信息的特性,提出一种基于方向纹理信息的图像融合新方法,给出一种基于加权局域能量的融合算子。该方法充分利用已知图像中的高维奇异性信息,有效地保持了各项异性的边缘信息和细节方向纹理信息。对普通图像、航拍图像和医学图像分别进行融合操作,并将融合结果与已知图像的熵和交叉熵作为客观评价指标,与相应小波融合方法进行了比较。仿真结果表明,本文方法融合结果与小波域相应方法比较有明显改善。     

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.