基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.

基于边缘定向扩散的图像增强方法

针对前向后向扩散方程不能较好的保持流线状结构,而相干增强不能锐化边缘的缺点,提出一种新的基于边缘定向的张量型前向后向扩散模型.该模型将前向-后向扩散方程引进到张量型扩散方程中,在扩散系数的选取上合并了相干增强扩散与前向-后向扩散的长处,又克服了他们各自的缺点.采用类似相干增强扩散的边缘定向算子实现对边缘的定向,然后根据边缘定向的结果设置扩散张量的特征根,使扩散张量沿边缘方向为正向扩散以增强边缘,而垂直于边缘方向为逆扩散以锐化边缘.理论分析和数值计算表明,该方法具有比相干增强扩散及前向-后向扩散更好的增强效果.

基于图像扩散去噪的距离特征量提取研究

距离特征量反映了目标运动过程中的距离变化率,该观测量可由目标辐射噪声LOFAR谱图的干涉条纹中提取得到。低信噪比情况下,由于噪声的影响,干涉条纹特征会变模糊,提取的距离特征量值精度会降低。为提高提取精度,提出了一种边缘定向增强型扩散方程去噪方法,对LOFAR谱图进行处理,使条纹特征更加明显。迭代次数对扩散方程去噪效果影响很大,根据相关性原理,提出了一种迭代次数选择方法。为了使条纹特征更加易于区分,提出了一种基于区域分割的图像二值化方法。数值模拟实验和海试数据处理结果表明,LOFAR谱图经过处理后,提取出的距离特征量精度明显提高。