基于米字型各向异性扩散的破损藏式古唐卡修复研究

在利用原始的BSCB模型修复图像时,其扩散过程会造成图像的等照度线有一定程度上的交叉,使得修复后的图像视觉效果不太理想。针对以上问题,通过对原始的PM各向异性扩散模型进行改进,提出了米字型各向异性扩散模型,然后将其应用到BSCB模型的扩散过程中,提出了改进的BSCB图像修复模型。最后,利用文中提出的修复模型和其他的改进的BSCB模型对破损古唐卡图像进行修复。结果表明,和原始的BSCB模型以及其他改进的BSCB模型相比较,提出的模型在没有增加算法的时间复杂度的情况下,在视觉效果上和均方误差(MeanSquareError,MSE)的评价指标上表现都很突出。

基于同质区域自动选取的各向异性扩散超声图像去噪

提出一种自适应选取各向异性扩散滤波器扩散参数的方法,以提高滤波器的有效性和稳定性。首先,使用最大类间方差二值化算法确定超声图像的最优二值化阈值,并将该阈值作为区域均匀性标准对超声图像进行四叉树分解。然后,按从大到小的顺序从分解结果中取出所有当前最大分块,根据最优同质区域分块判决依据进行优选。最后,使用最优同质区域选取结果计算扩散参数,对超声图像进行各向异性扩散滤波。结果表明,本方法优于斑点降噪各向异性扩散(SRAD)和细节保留各向异性扩散(DPAD)两种典型的自动选取扩散参数方法,能在显著减少运算时间的同时使平均图像佳数较前两种方法分别提高0.029和0.129。本方法避免了对人工同质区域选取的依赖,可准确计算扩散参数,在噪声消除和边缘保护上达到有效的平衡,是一种有效的超声图像降噪方法。

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.

基于各向异性扩散的超声医学图像滤波方法

目的将各向异性扩散方法应用于超声医学图像的去噪处理。方法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,并通过修改方程中的噪声比例函数使方程更加适用于超声医学图像的滤波。结果通过与其他3种传统滤波方法比较,修正系数后的各向异性扩散滤波方法能够较好地平滑图像的噪声,并且图像的边缘和细节部分依然清晰可见。结论各向异性扩散方法是一种去除超声图像Speckle噪声的有效方法,为超声医学图像的滤波开辟了一条新途径。

非线性各向异性扩散滤波器用于三维地震资料噪声衰减与结构特征增强

消除地震资料中的干扰噪声,增强地质沉积特征,对地震资料的后继处理和解释都有重要的意义.本文重点论述一种基于偏微分方程的非线性各向异性扩散滤波技术.采用梯度结构张量估计局部地层方向,度量地质特征的规则程度,以此约束扩散滤波器沿着地层方向作扩散滤波,并且通过控制在断层和河道等不连续性区域的滤波程度,使得扩散滤波器具有优异的保持边缘特性.对大庆油田的一块实际地震资料的处理结果表明,该方法可有效消除非相干噪声,增强地震反射同相轴的连续性,突出地质沉积特征,提高资料的信噪比,整体改善地震资料的品质.

提高地震图像信噪比的非线性各向异性扩散算法模型

原始地震图像属于线形纹理图像 ,地震同相轴表现为线条结构。选取基于偏微分方程的非线性各向异性扩散 (即一致增强性扩散 )算法模型 ,通过结构张量的特征向量控制扩散方向 ,利用扩散张量的特征值控制特征方向上的扩散量 ,对原始地震图像进行图像处理 ,增强具有一致性的同相轴及其所反映的重要地质结构。利用能谱分析设计了地震剖面图像信噪比的计算公式 ,确定了扩散参数的选择范围。处理实际地震剖面图像的结果表明 ,在信号结构关系不变及其能量保持 80 %～ 90 %的条件下 ,原高信噪比地震图像的信噪比可增加约 9dB ,原低信噪比地震图像的信噪比增加大约 15dB ,并且不会出现假像 ,增强了同相轴及重要的地质结构。图 1表 1参

利用不连续性的各向异性扩散滤波方法识别断层

在提高地震数据信噪比的同时保护断层等不连续的边界信息,对于地震精细解释具有非常重要的意义。为此,在前人的研究基础上,提出了基于不连续性的三维各向异性扩散滤波方法,分析了结构张量特征值与三维地震图像的局部结构特征之间的关系,并利用断层置信度参数重新设计扩散张量的特征值,可以更合理地控制地震数据沿不同方向的扩散滤波强度:在地震同相轴连续性较好之处,断层置信度参数趋于0,滤波强度大;在断层等地质体的边缘处,断层置信度参数趋于1,扩散滤波强度弱,可以有效保护断层等不连续边界的信息。模型测试和实际资料的应用证明,所提方法在提高地震资料信噪比的同时,可有效保护断层等不连续的边界信息,并在连续地层区域增强同相轴的连续性,为断层解释提供良好的基础数据。

基于核各向异性扩散的红外小目标检测

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。

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。

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。

图像熵各向异性扩散保边滤波方法及在断层识别中的应用

保护好断层等地质体边缘信息是地震去噪研究的重点,为此提出了一种基于熵的各向异性扩散保边去噪方法。由于熵信息只与资料总体结构有关,可用于准确判断资料所包含断层等特殊边缘的信息,能定量给出在构建结构张量矩阵时需要添加的二阶导数所占比例,更合理地判断扩散方向。模型及实际资料应用结果表明,该去噪方法在提高资料信噪比的同时,保护了断层等小尺度边缘信息,为后续的地震断层精细解释等提供了基础资料。

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.

数字破损图像的非线性各向异性扩散修补算法

首先从局部坐标角度分析整体变分(TV)模型与p-Laplace算子的物理意义,从本质上说明p-Laplace算子的扩散性能优于TV模型,进而提出一种基于p-Laplace算子的图像修补算法.该算法利用p-Laplace算子的非线性各向异性扩散的性能来填充受损区域.与TV修补算法相比,文中算法能快速收敛,并达到更好的修补效果,其综合性能优于TV修补算法.

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强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,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-M alik各向异性扩散模型(PM模型)的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型。该模型针对不同的梯度大小采用了不同的扩散系数。在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题。实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型。

使用中值-各向异性扩散的超声图像去噪算法

针对超声图像的散斑噪声,提出一种基于多方向中值滤波和改进各向异性扩散的去噪算法.该算法利用多方向中值滤波的良好边缘保持能力,在滤除噪声的同时注重边缘细节的保持.使用归一化局部方差和图像梯度组成的扩散系数,避免了传统各向异性扩散算法中梯度阈值为常数带来的鲁棒性差等问题.通过多组仿真实验,综合滤除散斑噪声能力、保持边缘能力以及迭代速度等指标,表明该算法比传统PM和SRAD模型有更好的滤除超声图像噪声和边缘保持能力.

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USFFTCurvelet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。

基于各向异性扩散滤波的地震图像增强处理

为了在提高地震资料信噪比的同时,保护断层等重要构造信息在处理过程中不受到破坏,本文将地震相干属性值作为断层信息保护因子引入到各向异性扩散滤波中,并提出了一种基于各向异性扩散滤波的地震图像增强处理方法。文中首先介绍了该算法的基本原理,然后通过模型试算验证算法的效果,最后对实际数据的处理效果进行了分析,并将此方法与基于Kuwahara滤波的保边增强技术进行了对比。结果表明,该法在保护断层等构造信息的同时,提高了资料的信噪比和可解释性,可为后期的自动或者人工构造解释提供了更好的数据基础。

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.

基于各向异性扩散的几种平滑算法比较及改进

该文比较了几种现有的P-M扩散系数改进算法的优缺点,提出了一种改进的基于视觉掩蔽效应的各向异性扩散平滑算法。该方法用归一化局部方差和图像梯度信息联合度量空间细节,能更有效地消除噪声,保持图像细节,也避免了原扩散系数参数估计的困难。实验结果表明,提出的改进方法得到的平滑图像具有更好的视觉质量。

米字型各向异性扩散模型的图像去噪算法

针对原始的各向异性扩散模型在对带噪图像去噪时,只利用了邻域内东、南、西、北4个方向上的参考信息,使得去噪效果不够明显的问题,提出了米字型各向异性扩散模型的图像去噪算法。该算法在利用了原始算法中待修复点周围4个方向上参考信息的基础上,还引入了该点邻域内对角线方向上的新信息,给出了采用周围8个方向上的信息进行对图像去噪的新模型,同时证明了该模型的合理性。用新提出的算法与原算法以及一种改进的同类算法对4幅带噪图像进行去噪。实验结果表明,新提出算法去噪效果的峰值信噪比(PSNR)相比原算法和改进同类算法平均提高1.90 dB和1.43 dB,平均结构相似度(MSSIM)分别平均提高0.175和0.1,说明该算法更适合于图像去噪。