图像去噪中LLT模型的同伦方法

提出了运用具有全局收敛性的同伦方法求解Lysaker-Lundervold-Tai(LLT)模型,构造了一种逐步减小光滑化参数的同伦方程,并给出了有效的路径跟踪方法。实验表明,该方法收敛速度是不动点方法的2倍。

求解各向异性扩散LLT模型的新的图像去噪算法

基于四阶各向异性扩散的图像去噪LLT模型,提出了一种修正不动点迭代算法.该算法以最速下降方向为搜索方向,以避免直接计算逆矩阵,减小了舍入误差,提高了算法的收敛速度.利用矩阵的谱性质证明了该算法的收敛性.数值实验结果表明:对于256×256的'Lena'图像,在标准差为15的高斯白噪声情况下,本文提出的算法将信噪比由SNR=11.208 8提高到SNR=16.511 1.

结合Curvelet和LLT模型的图像去噪模型

Curvelet去噪彻底,易产生"阶梯"效应,四阶偏微分方程LLT模型去噪能很好地保护图像细节特征,不会产生阶梯效应。提出了一个模型将Curvelet去噪和四阶偏微分方程中LLT模型去噪的优点通过权函数λ结合起来,实验表明,新的模型能很好地发挥二者的优点,不但很好地保护图像细节特征,消除阶梯效应,去噪彻底且能很好地保持边缘,去噪率和视觉效果优于Curvelet和LLT方法。

图像去噪中改进的LLT去噪模型

提出了一种改进的LLT去噪模型,并给出有效的不动点迭代方法.数值实验结果表明,改进的LLT模型不仅能保持图像的细节,而且能避免阶梯效应.

基于不动点算法的LLT去噪模型

利用凸分析理论建立关于图像去噪LLT模型的不动点方程,并用不动点迭代得到关于该方程的数值解.数值试验结果表明,该方法比原来的数值方法速度更快、去噪效果更好.

基于自适应参数的全变分综合图像去噪模型

分析了ROF去噪模型和LLT去噪模型的优缺点,提出了一种基于自适应参数的全变分综合图像去噪模型.先利用高斯滤波对噪声图像进行预处理,以减少噪声在后续处理时被当成假边缘的可能性,再根据图像中每一像素点的梯度信息,自适应地选取模型中决定平滑强弱的参数,使模型能在接近图像边缘处平滑较弱,在远离边缘处平滑较强.实验表明,本模型在去噪的同时能有效地保留图像的纹理信息,并对降噪性能指标有较好的提高.

基于偏微分方程的图像去噪综合模型

介绍了基于偏微分方程(PDE)的两种去噪模型,即ROF模型和LLT模型。根据对这两种模型的比较,提出了应用权函数来合并ROF模型和LLT模型的综合模型。实验表明,综合模型既能克服ROF模型和LLT模型的缺点,又能融合它们的优点,在去噪、保护平滑区域、保护边缘和纹理细节方面都有较好的表现。

几种常见的四阶偏微分去噪模型比较

LLT模型、YK模型和PDE模型都能较好地去除噪声并且不会产生阶梯效应,但第三种模型相较于前面两种模型而言效果更明显.经过数值实验来分析验证这三种模型的去噪效果,得出这些模型在去噪的同时都能较好地保护图像细节,但比较多方面的综合因素,认为第三种模型的去噪效果更佳.