一种基于总体变分的自适应图像去噪方法

建立了总体变分自适应图像去噪模型,并给出了其非线性各向异性扩散方程的数值解法。该方法采用高斯滤波器对噪声图像进行预处理,并利用图像每个像素的梯度信息,使其扩散方程在沿边缘方向上具有较大的扩散系数,而在垂直边缘的方向上具有较小的扩散系数。因此,总体变分自适应图像去噪方法不但能抑制噪声,还能很好地保持图像的边缘和纹理特征。图像去噪仿真实验表明,该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。

非局部总体变分正则化的多帧图像盲反卷积算法

针对没有完整先验知识的降质图像的多帧图像恢复问题,利用非局部总体变分正则化方法,提出了多帧图像盲反卷积问题求解的有效数值算法。该算法既能保持重建图像的边缘与纹理结构又能抑制相关噪声,而且能同时重建原始图像和相关的点扩展函数PSF。实验结果表明提出的方法具有明显的优越性。

基于总体变分修复模型的图像编码

依据总体变分(TV)模型修复图像的特征,提出了一种新型有效的图像编码方法。在图像的编码端,先提取图像的边缘信息,再利用数学形态学对图像中较大平滑区域进行形状滤波分割,要求压缩编码的区域仅是边缘扩展的邻域和分割出的目标区域,从而大大减少了需要编码的信息量。在图像的解码端,采用总体变分模型对编码后的图像进行修复解码。实验结果表明,在较少编码信息量的情况下,能得到很好的重建视觉效果。

偏微分方程约束下基于动态大小模块的图像修复模型

提出一种保持图像线性特征和纹理信息、并能应用于存在较大规模缺失信息区域的图像修复模型.该模型根据图像局部纹理特征强度动态地选择匹配模块的大小,使用切向等照度线强度数据项约束修复顺序.几何特征作用下的切向等照度线偏微分方程在边缘宽度约束下扩散,具有很好的线性特征保持性能;它具有形态学不变性,可以真实地修复自然场景图像.根据基于模块的修复模型的特点,使用欧氏距离作为模块相似度测量函数.针对模型引起的模块接缝效应,使用散度约束下总体变分插值法对修复结果进行无接缝效应处理,使得最终结果平滑.理论和实验证明了该模型在图像修复中的有效性.

偏微分方程约束的基于模块的图像修复模型

为了对大规模目标区域的图像进行修复,提出了一种既能保持线性特征和纹理信息,又能应用于大规模目标区域的基于模块的图像修复模型。该模型首先使用像素切向等照度线强度约束修复优先级,由于切向等照度线方程在图像边缘宽度约束下扩散,因此具有很好的线性特征保持性能。这种扩散具备形态学不变性,可修复自然场景图像;然后采用Euclidean距离计算模块相似度,并加入偏微分方程约束,使得线性特征位置的像素点在匹配中影响较大;使用散度约束下总体变分插值法对修复结果进行无接缝效应处理,使得最终修复结果平滑;最后扩展模型相似度函数,使目标区域可被修复为指定的纹理特征。理论和实验结果证明该模型在图像修复中是有效的。

曲率驱动扩散修复模型的数值分析与实验

当物体破损区域的宽度大于物体的窄带宽度时,总体变分修复模型不能满足"连接性准则",针对这个缺点,Chan和Shen提出了基于曲率驱动扩散(CDD)修复模型.对此模型的数学公式进行理论分析及其离散化,得出关键性的迭代公式,并通过实验得出结论:CDD模型具备了修复较大的破损区域及细小边缘的能力.

TV正则化的双迭代RL湍流退化图像复原算法

RL算法是湍流退化图像复原的一类重要算法,但在迭代过程中存在噪声放大或过度平滑问题。围绕湍流退化图像复原问题对RL(Richardson-Lucy)算法及其改进方法进行研究:建立了一种短曝光成像探测湍流退化模型,并给出该模型中随机相位屏的数值模拟方法;推导了RL算法的基本原理和计算公式;为更好地从湍流退化图像中恢复目标,提出了TV正则化双迭代RL图像复原算法。改进算法引入总体变分约束,并对目标图像和点扩展函数采用内外循环双重迭代,充分利用了目标图像和点扩展函数的内在联系。仿真实验表明,算法能有效地保持了图像的细节信息,复原效果明显优于传统RL算法。