Perona-Malik模型离散格式的改进

Perona和Malik给出的离散格式是原Perona-Malik模型的近似模型的离散形式.这个离散格式用差商代替梯度,并略去了原模型的一项,本文通过理论分析发现这些简化影响了平滑的速度和效果.文中将省略的一项也加以离散,并将差商绝对值替换为梯度模,最终得到一个隐式的离散格式.实验结果表明,本文的离散格式提高了平滑速度,改进了平滑效果.

基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法

鉴于偏微分方程在图像去噪中的原理和应用,针对传统机械振动信号去噪方法的局限性,提出了一种基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法并用于机械振动信号去噪。首先研究了小波阈值去噪和Perona-Malik非线性各向异性扩散滤波模型之间的相关性,其次用小波变换模替代梯度模构建改进的扩散系数,并推导出了基于小波变换模的改进Perona-Malik模型。实验结果表明,与传统去噪方法和基本Perona-Malik模型相比,改进Perona-Malik模型不仅较好地实现了强噪声背景信号有效去噪,而且同时保留了信号细节特征,改进算法抗噪声干扰能力强,去噪之后信号畸变小,改进算法使信噪比平均提高了约3 dB。

强噪声背景信号的Perona-Malik扩散滤波算法

为了提取强噪声背景下机械振动信号的微弱故障特征,提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用;其次分析了小波变换等传统信号降噪方法的不足;最后基于图像降噪和信号降噪原理的相似性,利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪,将其用于轴承振动仿真信号和实测信号。实验表明,与小波阈值去噪算法等传统信号降噪方法相比,Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪,同时兼顾了信号去噪和保留信号细节特征的双重要求。

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。

基于自适应小波偏微分方程的蝗虫切片图像去噪

蝗虫显微切片图像在获取的过程中不可避免地会受到噪声污染,其纹理、边缘与噪声又都属于高频分量,单独使用小波变换或偏微分方程(partial differential equation,PDE)扩散的方法都不能在有效去噪的同时保持边缘、纹理等。针对这一问题,提出了基于自适应小波PDE的去噪算法。首先对蝗虫切片含噪图像进行sym5小波软阈值去噪,分解层数根据去噪后图像的PSNR(peak signal to noise ratio)值自适应地选择,阈值门限使用Birge-Massart处罚算法获取。然后在此去噪的基础上进行Perona-Malik(PM)模型去噪,迭代次数根据去噪后图像的PSNR值自适应地选择,梯度阈值根据图像自身的2范数获取。为了验证所提出算法的去噪性能,进行了与常用去噪算法的对比试验。试验结果表明:视觉上,采用本文算法去噪后的图像噪声点较少且边缘、纹理清晰;客观上,采用该文算法去噪后的图像PSNR值比使用维纳滤波高出2 d B左右,比使用中值滤波高出3 d B左右,比使用小波阈值去噪高出2 d B左右,比使用PM模型去噪高出1 d B左右,并且在结构相似性(structural similarity image measurement,SSIM)上采用该文算法去噪后的图像与原始图像的相似度最高。因此,将自适应小波PDE的算法应用于蝗虫切片去噪是可行的、有效的,为其后续处理提供了技术支持。

基于多尺度区间插值小波法的牛肉图像中大理石花纹分割

牛肉大理石花纹的丰富程度代表着脂肪含量的多少,是牛肉等级划分的重要指标。基于计算机图像的自动分级技术中图像的降噪和分割处理是大理石花纹提取的基础。该文利用多尺度区间插值小波解偏微分方程的方法对牛眼肌切面图像进行处理,基于中心相似变换的延拓方法有效解决边界效应。处理中自适应选取配置点,提高计算效率。试验证明,该算法不仅达到降噪目的,同时还实现了对不同对象区域的保边平滑,使图像纹理和边缘更加清晰。降噪结果与传统滤波法进行对比,峰值信噪比值平均比均值滤波高9.0 d B,比中值滤波高8.2 d B,比维纳滤波高6.6 d B,结构相似性数值平均比均值滤波高0.42,比中值滤波高0.40,比维纳滤波高0.34。与大津法相比,去噪后采用灰度进行图像分割的效果更好,既能分割出大脂肪,又能分割出小脂肪,提高了牛肉等级判定的准确度。

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。

基于偏微分方程的医学磁共振图像去噪

本文引入了基于偏微分方程的Perona-Malik模型,并结合了Catte的高斯扩散滤波器的概念,给出了一种针对医学磁共振图像去噪的方法及其实现。文中通过给出不同参数,对结果加以比较分析。把该方法应用于医学图像去噪,得到比较令人满意的结果。

基于偏微分方程的肉品图像去噪对比研究

肉品中含有水分,或者切割过程中产生的脂肪碎屑或结缔组织,其可见光图像容易产生噪声。基于偏微分方程模型的算法去噪同时能够保持图像的某些特征,常见的有Perona-Malik模型、全变差ROF模型、Y-K四阶模型。通过对Lena图像加入高斯噪声和椒盐噪声,对比了三种模型的信噪比、方法噪声及运算时间。在此基础上,以猪肉图像为去噪对象,比较三种算法的性能。结果表明:ROF模型在去除噪声的同时,保持细节的能力强于其他两种模型,YK四阶偏微分方程模型能够去除噪声,但是图像模糊。去噪效果最差的是P-M模型。

基于偏微分方程的条码预处理

由于受到条码采集设备的限制,图像中经常混有很多噪声,导致出现误码.引入了基于偏微分方程(PDE)的Perona-Malik模型,并对Perona-Malik模型的缺点进行了算法改进,给出了一种针对条码图像去噪的方法.通过合理地设计和选择参数,得到了比较令人满意的结果.

基于PDE's的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线条、纹理等图像特征,而基于偏微分方程(PDE's)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona＆Malik模型基础上引入梯度阈值和高斯平滑核,实验结果表明改进后的平滑方法既能更有效消除孤立噪声点,又可以更好地保持边缘。

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。

基于磁共振图像的人眼晶状体轮廓特征提取的方法研究

目的:提出人眼晶状体轮廓特征提取的方法。方法:使用基于Perona-Malik模型的平滑算法以及数学形态学方法做预处理,使用Canny算子做边缘检测。结果:有效地提取出晶状体的轮廓。结论:所提出的方法在工程上具有可行性。

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik(PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio,SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。

结合Tsallis熵的各向异性扩散模型

为了在有效去除图像噪声的同时,保留更多的图像细节、纹理和弱边缘特征,在Perona-Malik各向异性扩散模型(P-M模型)的基础上,考虑到图像Tsallis熵在平滑区域和边缘处熵值有差异的特点,提出了结合图像局部Tsallis熵的各向异性扩散模型。该模型的扩散系数同时依赖于图像梯度和图像局部Tsallis熵,较好的克服了P-M模型在图像部分边缘和细节失真的问题。实验结果表明,该模型不仅能很好的保持图像的弱边缘和重要细节,而且能有效的去除噪声。

图像处理中的PDE及其数值解算方法

从应用于图像平滑的偏微分方程入手,通过对Perona和Malik提出的用于保持边缘的选择性扩散模型P-M的分析,将图像处理中常用的PDE类型进行了分类;规划了热传导方程类型PDE的数值解算流程;改进了P-M模型的数值解算方法;并运用偏微分方程中最大最小值定理证明了解的稳定性。

Zernike矩结合Sobel算子的边缘检测

提出了一种亚像素级的噪声图像边缘检测算法。首先使用基于各向异性扩散的非线性正则化Perona-Malik模型,实现对图像的平滑滤波;然后用改进的Sobel算子对图像进行初步边缘检测,将检测到的包括真正的和少数伪边缘点的坐标生成链表记录下来,原灰度图像保留;最后利用Zernike矩进行亚像素级的边缘精确定位。实验结果表明,此算法解决了传统算法中伪边缘点过多和边缘检测结果较宽的问题,图像的质量接近于定位准确度为亚像素级的小波算法。

各向异性模型图像增强算法的FPGA高速实现

针对Perona-Malik模型图像增强算法运行在计算机CPU上无法满足算法的实时性要求的问题,基于FPGA设计了一种改进型Perona-Malik模型图像增强算法的硬件加速结构.该硬件加速结构采用行缓存实现对部分图像的缓存操作;同时通过提取出参数查找表的方式,并使用梯度的计算结果为索引,降低了硬件结构的复杂度;计算过程中采用补码和定点小数,保证了计算结果的准确性;此外采用3级流水线处理方式,增加了该硬件结构的吞吐量.实验结果表明:8次迭代处理后,在与软件处理效果相近的情况下,一帧256×256图像处理时延约为0.67 ms,满足实时处理的需求,是计算机CPU实现速度的近300倍.

改进CLMC模型应用于医学图像滤波的研究

在分析CLMC模型(正则化P-M模型)的基础上,在扩散系数中加入二阶偏导数,提出了一种新的偏微分方程(PDE)模型,并采用基于半隐式方案的加法算子分裂算法(AOS)对新模型进行解算。选用MEDPIX医学图像数据库作为实验数据来源,对新模型的滤波效果进行验证分析。实验结果表明,相较于CLMC模型,新模型依然能很好的平滑噪声;且在保持边缘细节方面有一定的提升。