基于自适应TV的Chan-Vese图像分割方法

自适应整体变分(Total Variation,TV)图像平滑模型能有效去除噪声,具有较强的图像保征能力。基于多相水平集的Chan-Vese图像分割模型能有效地实现多质图像的分割。将自适应TV图像平滑方法和Chan-Vese图像分割方法有机整合,提出了自适应TV的Chan-Vese图像分割方法。实验表明,该方法能得到较好的分割结果。

双份分形码与自适应TV模型的图像恢复

为了既能让被篡改图像的结构信息得到恢复,又能让图像的细节部分得到很好的修复,提出了一种基于双份分形码解码与自适应TV算法相结合的迭代图像修复方法。该方法结合了自适应TV算法的梯度修复特性,利用原图的两种不同分形码进行迭代解码,从而实现对篡改图像结构和细节部分的修复。实验结果表明,算法对图像的结构和细节修复上都具有较好的效果。

基于改进的自适应全变差模型的图像去噪算法

针对H1模型和TV模型在图像恢复方面的不足,提出一种改进的自适应TV去噪模型。该模型能在边缘附近自动地选择保边较好的TV去噪模型,而在远离边缘处自动选择平滑模型,并且同时对点扩散函数(PSF)进行约束。采用频域交替迭代的方法,在恢复出图像的同时也可将PSF恢复出来。MATLAB仿真结果表明,采用的方法在去噪的同时很好地保留了图像边缘和纹理信息,避免了阶梯效应,复原图像的峰值信噪比(PSNR)与其它方法相比有很好的提升。