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.

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。

基于总变分和各向异性扩散方程的图像恢复模型

提出了一个基于总变分和各向异性扩散方程的图像恢复模型.该模型通过引进“纯粹的”各向异性扩散方程的扩散项,实现了偏微分方程去噪方法中非线性扩散方程与能量泛函变分法的有机结合.实验表明该模型不但能够提高去噪性能,而且可增强边缘并保持边缘的位置;能够保持图像中的纹理特征和不能用边缘刻画的大尺度细小特征,使得处理后的图像清晰度和对比度大大增强,而且有意义的细节特征也被保留.

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。

基于双边滤波的各向异性扩散方程图像去噪

近年来,各向异性扩散方程模型在图像去噪和特征提取中得到广泛应用。双边滤波为非迭代图像去噪算法,此方法因简单而高效而备受关注。在对两种模型优缺点分析的基础上,结合双边滤波的非线性特点,用双边滤波预光滑,在各向异性扩散方程中使用预光滑图像进行边界检测。和Alvarez等使用高斯核卷积提取边界相比,双边滤波体现了预处理的各向异性,提高了边界检测的准确性。改进的扩散方程的强迫项,在保证去噪效果的同时,提高了迭代的收敛速度。

一种用修正各向异性扩散方程抑制SAR相干斑的算法

针对各向异性扩散方程抑制SAR图像相干斑时,需要进行多次迭代,很难用于实时处理的情况,提出一种改进算法.该算法根据图像变差系数,自适应调整中心像素与各方向扩散系数的权重,从而在均匀区域加速扩散过程,在非均匀区域保留原各向异性扩散方程的性能.利用机载SAR图像对算法性能进行验证,结果表明,算法仅需较少的迭代次数,就可以获得与常规各向异性扩散方程相干斑抑制相同的性能.

基于各向异性扩散方程的并行图像去噪研究

各向异性扩散方程是一种非线性PDE模型,在图像去噪中,通过非线性扩散因子来滤除噪声,同时能保留原有的边缘和纹理。但是当图像很大时,求解PDE的差分运算量将很大,满足不了实时系统的要求。针对该模型,在MPI并行编程环境下,利用图像像素的独立性和PDE求解的并发性,采用并行方式对图像去噪,在保证去噪性能的同时,极大地降低计算时间。

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。

基于改进的各向异性扩散方程Canny的边缘检测算法

在计算机视觉中边缘检测是一个热门的研究领域。边缘检测能缩减大量数据并滤掉无用的信息,同时保护图像中重要的结构特征。Canny边缘检测算法是一个经典的算法,对此提出基于改进的各向异性扩散方程的检测算法,以克服传统算法对噪声的敏感性。传统Canny算法的双阈值需要人工赋值,针对不同的图像具有使用缺陷,因此,提出基于Otsu方法的自适应方法。实验表明,改进的算法有效地提高图像边缘检测的准确性,定位精确度高。

规则化各向异性热扩散方程在SAR图像分割中的应用

在合成孔径雷达(SAR)图像分割中,原有的各向异性扩散方程在迭代次数过大时,会导致图像细节损失,而且噪声斑点被当成目标保留下来。有鉴于此,提出一种改进的SAR图像分割算法,通过构造新的扩散控制系数,利用数值逼近理论,得到一种规则化的扩散模型,对图像初始分割的最大后验概率矩阵进行多尺度各向异性平滑。实测数据的实验结果表明,该模型可在保持低虚警率的同时大幅提高边缘保持度,且保留了目标细节。

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.

各向异性扩散滤波的三维散乱点云平滑去噪算法

针对传统点云去噪算法在去除噪声时易造成模型特征失真的问题,提出一种各向异性扩散滤波的三维散乱点云平滑去噪算法.首先采用张量投票算法计算采样点的张量矩阵,并求解其特征值和特征向量;然后根据采样点的几何特征设计扩散张量的特征值,保证在不同特征方向的扩散速率能自适应调整;最后将重构的扩散张量与三维各向异性扩散滤波方程相结合,构造了点云滤波模型用于点云去噪.对不同含噪点云模型进行去噪的实验结果表明,该算法在点云去除噪声的同时,可以有效地保持原始模型的特征信息,避免了模型的过光顺.

并行各向异性扩散算法与实时医学图像增强技术

各向异性扩散算法在去除图像噪声同时能保持重要的边缘和局部细节,因此在医学图像增强中得到广泛应用。但医学图像数据分辨率和灰度级都很高,求解各向异性扩散的偏微分方程时运算量很大,在许多实时系统中应用该类算法存在显著迟滞。本文采用CUDA架构,利用像素的独立性和偏微分方程求解的并发性,实现了并行各向异性扩散算法,在保证效果的同时显著降低了处理时间,满足了实时性的需求。

基于视觉特性的各向异性扩散滤波器改进方法

比较了几种现有基于视觉特性各向异性扩散方程中扩散系数的优缺点,提出了一种改进的扩散系数.以局部平均梯度替代原扩散系数中局部方差,减少了运算量;用图像的最大值灰度值替代原扩散系数中的常数1,使扩散系数趋于零的速度变慢,提高了收敛的速度.实验结果表明,改进的扩散系数在滤波去噪效果和运算时间方面优于其它同类扩散系数.

基于像素预判的各向异性扩散并行图像恢复

基于各向异性扩散去噪模型(P-M)的图像恢复思想,提出了一种新的利用像素预判断的图像恢复并行高效算法模型。该模型充分利用图像中每一个像素的预判断知识,设计COW工作站机群以结合实现并行算法。实验结果表明,该算法既能提高P-M算法的运行效率,又能获得与其相当的恢复质量。

基于多尺度自适应扩散方程的边缘检测方法

针对Canny算法对较高密度椒盐噪声和双阈值选取方面存在的不足,提出一种改进方法,采用多尺度自适应各向异性扩散方程对图像进行平滑,有效去除较高密度脉冲信号的同时又可以更好地保留边缘轮廓信息。在双阈值门限的选取上采用最大类间方差法根据图像的灰度信息自适应地选取,可以更好地满足实时性要求。为验证其性能,在不同噪声浓度情况下进行实验,结果表明,改进的边缘检测算法可以更完整地保留边缘信息,提高边缘检测的准确性,得到较理想的边缘轮廓信息。

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDE's),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。

一种带有忠诚项的张量扩散滤波方法

针对Weickert的张量扩散滤波模型在滤除噪声的同时虽然较好地保留了大的边缘信息,但对于一些细小边缘在扩散的过程中却被模糊掉了,在其扩散方程中添加了随时间尺度自适应变动的忠诚项,这样,扩散滤波与边缘保留这两者之间就得到一个较好的折衷,从而使得扩散去噪的同时尽可能多地保留了图像的边缘信息。另外,为了在不同区域进行不同方式的扩散,将边缘增强与相干增强两个模型结合起来,对扩散张量的两个特征值重新进行了设置。实验表明本方法在细小边缘信息的保留上有较明显的改进。

同向平均梯度的各向异性扩散模型

遥感图像成像过程中经常会产生包括高斯噪声和椒盐噪声的图像噪声,这些噪声在很大程度上降低了图像的清晰度,影响了图像的实际应用。如何在有效的去除图像噪声的同时又能够很好的保留图像的纹理信息,成为遥感图像去噪追求的目标。针对林石算子和基于非线性小波阈值的各向异性扩散方程存在的不足,提出一种基于同向平均梯度值的各向异性扩散去噪模型,该模型克服了林石算子和基于非线性小波阈值的各向异性扩散方程无法去除强高斯噪声和椒盐噪声的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理信息。实验结果表明,提出模型的稳定性和有效性,并且去噪后的图像信噪比较林石算子和基于非线性小波阈值的各向异性扩散方程分别提高了24dB。

基于经验模态分解的激光散斑噪声抑制方法

为抑制激光散斑噪声对定量相位重建精度的影响,本文基于经验模态分解提出了一种激光散斑噪声抑制方法。该方法只需采集一张全息图像且无需添加额外硬件设备,避免了寻找最优处理参数的复杂过程。首先,采用经验模态分解突出图像细节信息。其次,使用边缘检测克服各向异性扩散方程中梯度算子抗噪声能力不强、不能识别伪边缘等问题,对细节突出的图像进行边缘检测。最后,由高精度的边缘检测结果引导扩散去噪过程达到更好的散斑抑制效果。实验结果表明,经过本文方法处理后,重建相位的结构相似性提高了12.9000%,边缘保持指数提高了14.3861%,散斑抑制指数降低了8.1299%,并且相位截面曲线与原始相位最接近。本文所提出的方法不仅具备更好的去噪效果,而且更有效地保留了细节信息,相位重建的精度更高。