具有纹理保持能力的四阶偏微分方程去噪方法

虽然四阶偏微分方程图像去噪方法能得到较好的分段光滑的结果,但这类方法常破坏图像的纹理信息。提出了一种具有保持图像纹理信息能力的四阶偏微分方程去噪模型。利用垂直于梯度方向的图像二阶导数设计了一种新的代价函数。证明了该函数解的存在性与唯一性并给出了其对应的Euler-Lagrange方程。在实验方面,用大量真实的纹理图像验证了新方法。实验结果表明,新方法在去噪的同时图像的边缘与细节得到了较好的保持。

图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法

正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题.本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型.分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法.数值实验表明,该方法在去除噪声、抑制图像的"阶梯效应"和保持图像方向纹理等方面取得较好的效果.

一种保持纹理的网面简化算法

在计算机视觉领域 ,三维网面的简化不仅要求保持物体形状和拓扑关系 ,还要求保持物体表面法线、纹理、颜色和边缘等物体特征 ,以使计算机视觉系统能有效地表示、描述、识别和理解物体和场景 ,为此讨论了一种基于边操作 (边收缩 ,边分裂 ) ,并具有颜色或灰度纹理特征保持的三维网面的简化算法 ,该算法将网面不对称最大距离作为形状改变测度 ,将邻域内颜色或灰度最大改变量作为纹理改变测度 ,从而在大量简化模型数据的同时 ,有效地保持了模型的几何形状、拓扑关系。

基于偏微分方程的保持纹理细节的医学图像去噪方法

基于偏微分方程的医学图像去噪方法已公认为具有显著效果的去噪技术。常用的偏微分方程去噪方法虽然可以去除变化平缓的图像中的噪声,同时保持边缘结构信息,但对带有较多纹理细节的医学图像的去噪效果却不太理想。在对目前有关纹理医学图像理解和综合的基础上,介绍了三种纹理图像去噪技术。第一种自适应调整参数的全变分方法,在不同尺度空间下去噪,可保持纹理和细节;第二种将医学图像空间由BV空间上升到G空间以保持纹理;第三种使用多尺度分解噪声以保持细节特征。这些方法均能在实际应用中达到一定的效果,但是如何更好的去除噪声,文章对其进行分析,并提出新的改进思路。

纹理细节和边缘结构保持的图像插值算法

针对图像重建过程中产生的边缘结构被破坏和纹理细节丢失问题,提出一种纹理细节和边缘结构保持的图像插值算法。首先,采用自适应阈值的八方向边缘检测划分图像区域;其次,构造双变量有理函数模型,它可在有理模型和多项式模型之间转换;最后,提出基于边缘数据的局部不对称性和梯度特征调整待插值点空间距离的方法,调整边缘部分待插值点坐标并代入有理模型实现插值,而非边缘部分采用多项式模型插值。实验表明,该算法的峰值信噪比平均提升了0.48~2.17 dB,结构相似性平均提升了0.004~0.028,获得了较高的客观评价数据。该算法将原空间距离不变的插值修正为空间距离变化的插值,有效地保持了图像的边缘结构和纹理细节,使得重建结果具有较好的视觉效果。

基于双边纹理滤波的图像细节增强方法

为了实现图像的细节增强,特别是纹理细节增强,同时尽可能保持图像的结构完整,提出了一种基于双边纹理滤波的图像多尺度分解方法。首先,对图像进行多尺度双边纹理滤波分解,分别得到一幅基本图像和一系列细节纹理图像。接着,类似于小波增强方法,对细节图像采用多尺度自适应增强方法,得到一系列增强后的纹理细节图像。最后,将基本图像和增强后细节图像相加,重构出最后的增强图像。实验结果表明:本文提出的增强方法能够在突出边缘的同时,较好地增强图像中的纹理细节信息。将基于双边纹理滤波的多尺度分解引入图像增强,能更好地体现图像纹理细节特征,为增强图像提供更加丰富的信息。

基于非均匀正则保纹理的遥感影像阴影去除

针对现有遥感影像阴影去除算法在背景复杂、非匀质性强的阴影区去除中存在颜色失真、信息受损或阴影去除后纹理保持不够好等问题,提出了一种基于非均匀正则保纹理的遥感影像阴影去除方法。该方法采用局部分类水平集与颜色特征的遥感影像阴影检测方法提取阴影区,同时提取水平集分割模型中的非匀质因子用于计算阴影尺度正则权重系数以实现阴影区的非均匀正则化。实验结果表明,该方法提高了阴影检测率和减少人工参与,增强了阴影去除后纹理细节信息,取得了更好的阴影去除效果。

低剂量CT图像的噪声提取研究

为了解决CT辐射剂量降低时重建图像质量低的问题,研究了基于StyleGAN2 GAN学习对给定噪声图像的噪声提取,采用从训练的GAN模型中采样大量噪声块的方法,提取噪声特征而不是噪声图像。通过引入轻量级Squeeze-and-Excitation(SE)模块可以更好地为图像不同部分分配权重,使得浅层网络的局部信息在图像分割时能够很好地分割边缘细节图像,深层网络输出的特征图可以捕捉同一幅图像的不同尺度信息。实验结果表明,采用本文方法处理低剂量CT图像的细节还原度真实、局部器官光滑性较好。

一种基于分数阶积分的数字图像去噪算法

针对现有图像去噪算法丢失图像纹理信息的问题,将基于Riemann-Liouville定义的分数阶积分应用于数字图像的噪声去除,提出8个方向上的图像任意阶积分掩模,给出运用该掩模进行图像去噪的数值运算方法及相应的算法实现电路模型。仿真实验结果在定性和定量的方面表明本文的算法对灰度图像和彩色图像同样适用,具有能够一次性完成积分,去噪精度高,同时能最大限度保持图像的纹理细节信息的特点。该算法特别适用于高精度的图像实时去噪。

基于Curvelet变换和非局部TV模型的图像去噪

为解决Curvelet图像去噪所产生的"环绕"效应以及非局部TV模型去噪过度平滑而无法保持细小纹理的问题,本文提出了一种基于Curvelet变换与非局部TV模型相结合的图像去噪方法(Curvelet and Non-Local TV,CNL-TV)。该方法首先对含噪图像进行Curvelet变换,将其分解成不同尺度的图像;其次根据每层图像的特性,选择合适的非局部TV模型参数分别进行处理;最后将处理后的每层图像融合。实验结果表明,该算法不仅能够有效地减少噪声,消除Curvelet去噪产生的"环绕"效应,而且最大程度地保持了图像中的细小纹理成分。通过比较不同方法所得结果的峰值信噪比,验证了算法的有效性。

偏微分方程在图像去噪中的应用

论文分析了偏微分方程在图像去噪方面的应用,分析现有方法的理论基础、存在的问题以及在去噪中的优点。给出实验结果,对比几种方法在去噪中的不同应用。分析了偏微分方程去噪存在的不能恢复纹理的缺点,提出了今后改进的方向。

基于残差局部幂的分数阶各项异性扩散低剂量CT降噪算法

针对低剂量CT(Computed Tomography)图像中由于噪声影响而引起医学误诊的问题,提出了一种基于残差局部幂的分数阶各项异性扩散低剂量CT图像降噪算法.该方法将残差局部幂作为纹理检测算子加入分数阶各项异性扩散模型的扩散系数中,充分利用了残差图像中纹理、细节和边缘信息,有效增强了分数阶各项异性扩散算法的降噪性能.Shepp-Logan和实际腹部医疗数据仿真实验结果表明,该算法在抑制噪声和保持图像纹理、细节和边缘方面均优于传统的低剂量CT降噪算法.

基于全变分自适应保真项去噪算法的数值实现

基于全变差图像去噪经典算法,提出一种自适应保真项的数值实现算法.该算法利用图像纹理区和光滑区中噪声的不同特点,采用不同去噪强度避免传统方法的不足,并以数值方法实现.在保持经典算法去噪效果的前提下,解决了原有阶梯效应和过度平滑的问题,尤其对精致的纹理和细节图像,使其在去噪的同时,不丢失图像特点.该方法处理相对简单,可应用于以偏微分方程为基础的图像处理.

一种参数自适应正则化超分辨率图像重建算法

在正则化超分辨率重建算法中,正则化参数自适应对于抑制噪声和保持边缘非常重要。参数自适应通常是通过建立空间信息与参数的关系来实现的。在近期文献中,提出了一些空间信息自适应超分辨率重建方法,取得了较好的实验结果。然而在这些方法中,提取空间信息方法的计算量大,导致重建速度慢,限制了算法的应用。提出一种快速空间信息提取方法,并构建自适应参数模型,实验结果显示,该方法在大幅提高重建速度的同时,获得了更好的重建效果。