基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.

图像增强技术在地震资料处理中的应用

同相轴连续和横向分辨率良好的地震数据能够提高地震解释的精确度。地震资料同相轴在图像中体现为纹理特征,针对图像纹理特征应用边缘定向增强扩散处理,可使地震图像横向分辨率增强,即同相轴更加连续、断点更加清晰。边缘定向增强扩散应用图像增强技术中边缘检测和扩散技术,基于非线性扩散模型,根据图像纹理边缘位置和方向信息选取扩散张量和特征值。在边缘区域,沿边缘方向进行平滑,在光滑区域,沿边缘和垂直边缘方向具有较快扩散速度,由此在保护边缘信息的同时达到降噪的效果。通过理论分析和实例计算表明,边缘定向增强扩散图像增强技术处理后的地震图像有助于提高资料解释的准确性。

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。