鲁棒性P-M方程的快速实现

针对以P-M模型为代表的偏微分方程图像处理计算量大、计算时间长等不足,本文研究了鲁棒性P-M模型,在求解偏微分方程时,为了保证求解精度,提高计算效率,采用了基于CUDA实现的共轭梯度法。实验表明,与传统的基于CPU实现的Thomas快速算法相比,本文实现方法计算所需时间明显减少,而且滤波效果也比显式计算方案明显增强。

基于P-M方程的小波阈值去噪研究

通过仿真实验提出了一种新的图像去噪算法,克服了传统小波阈值去噪算法中存在的缺陷;在小波分解的过程中,将图像的低频部分采用P-M方程去噪,通过小波重构后,再将图像进行小波阈值去噪。仿真实验结果表明:该方法对图像噪声有比较好的抑制效果,能有效改善图像的质量和平滑效果。

改进的P-M扩散方程在相干斑抑制中的应用

直接基于Perona-Malik扩散方程的滤波算法对于加性噪声非常有效,但是对于乘性噪声(如合成孔径雷达(SAR)图像相干斑噪声)收效甚微。提出了一种基于改进的Perona-Malik扩散方程抑制SAR图像相干斑噪声的新算法。分析对数变化对相干斑噪声的影响,为将P-M扩散方程应用于相干斑噪声抑制奠定了理论基础;通过P-M扩散和稳健统计学的联系,建立了基于Biweight Estimator误差模型的扩散系数;同时利用非线性衰减技术对梯度阈值的选择改进。实验表明,该方法不仅有效抑制了SAR图像相干斑噪声,较好地保持了细节和边缘信息,而且视觉效果比较好。

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。

基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。

梯度─通量关系不成立时Penman－Monteith方程误差分析

讨论了Ｐｅｎｍａｎ－Ｍｏｎｔｅｉｔｈ方程成立的条件，在梯度扩散理论不成立时重新推导了Ｐｅｎ－ｍａｎ－Ｍｏｎｔｅｉｔｈ方程，并分析该方程可能产生的误差。

一种改进的提高SAR图像分辨率的偏微分方程方法

目的提高SAR图像的分辨率,滤除噪声干扰。方法利用了P-M非线性扩散方程在提高SAR图像分辨率时既能滤除噪声又能很好保护边缘的优势,借鉴了边缘增强扩散方程能够增强图像边缘的特性,提出了一种将两种方法相结合的处理方式。结果得到了一种将2种方法相结合的混合模型。结论该方式既避免了P-M非线性扩散方程无法改善SAR图像边缘的缺陷,又回避了边缘增强扩散方程容易产生虚假条纹的劣势,使图像的整体分辨率得到了提高。

P-M与TV模型在加性高斯白噪声去噪中的比较研究

噪声是图像获取、传输和储存过程中不可避免的现象.去噪作为图像处理的首要步骤与基本问题是后续的高层次图像处理的基础.以加性高斯白噪声为例,综述了P-M扩散方程及TV模型的原理,并从视觉与定量指标两个方面比较了去噪效果.最后,在热扩散方程模型预处理条件下比较了两种模型的去噪效果.

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.

一种改进的基于样例的目标物体移除方法

基于P-M方程可以进行梯度和等照度线两个方向的分解,将其引入Criminisi算法,提出一种改进的基于样例的目标物体移除方法。该方法在平坦区和边界区有不同的优先权计算模式,可以获得更加可靠的优先权值,使修复后的图像不仅具有等照度线的连通性而且边缘得到强化。

一种新的稀疏分解图像放大方法

研究基于不同形态成分的稀疏分解图像放大方法。针对卡通和纹理图像具有不同形态学特征,指出对卡通和纹理采用不同的图像放大方法可以获得更好的图像放大质量,进而提出一个新的稀疏图像分解模型,并结合P-M方程和双三次插值方法分别放大卡通和纹理图像。所给方法能有效地保护并强化放大图像的边缘,保证纹理细节清晰完整,且具有较强的噪声鲁棒性。从图像形态学观点出发,对于不同形态分量分别采用不同的图像放大方法处理,可以获得较经典的插值图像放大方法性能。

特种纸纸病检测的快速图像滤波方法及实现

为解决现有纸病检测方法中,采用的滤波算法性能无法达到部分特种纸的纸病检测要求的问题,提出一种基于P-M方程扩散模型的快速图像滤波方法。通过采用P-M方程多次迭代扩散进行滤波,滤波同时保护特种纸纸病的细微边缘;并借助SMP系统以及多线程技术对P-M方程扩散过程实现并行迭代算法以保证整个纸病检测算法过程的快速性。实测结果表明,采用该方法,系统可以有效检测到特种纸上表征微弱的纸病,并较传统P-M滤波方法的实现在实时性能上有了大幅提高。

基于改进的GAC模型的图像分割

利用各向同性非线性扩散的图像滤波,并改进了Li Chunming提出的GAC模型中的边缘函数和Heaviside函数,减少图像弱边缘泄露现象.采用改进后的GAC模型对肺部的CT图片,脑部的MR图片和脊椎的CT图像进行分割,取得了较好的分割效果.

单位法向量引导的自适应医学图像分割新算法

水平集方法已经广泛应用于图像分割,Chunming Li等人早期的模型通过在能量方程中引入惩罚项可以避免重新初始化。但惩罚项中的函数会引起扩散率趋于无穷大的问题,因此Chunming Li等人通过改进惩罚项中的函数,解决了扩散率的问题。针对新模型采用高斯滤波去除图像噪声使图像边缘变模糊的问题,采用正则化的P-M方程滤波,去除噪声的同时保护图像边缘信息。同时,新模型仍然不能实现自适应分割。通过初始曲线内外梯度模值的信息改变曲线内法向量的方向,从而使曲线自适应地向内或者向外演化。最后,用改进的算法准确地提取出了医学图像的轮廓,算法的效率也有很大的提高。

结合DRLSE模型的自适应医学图像分割算法

最近提出的距离正则化的水平集演化新模型采用高斯滤波去除图像噪声,存在使图像边缘变模糊和仍然不能实现自适应分割的问题。为了解决这些问题,采用正则化的P-M方程滤波,实现在去除噪声的同时保护图像边缘信息。并且通过初始曲线内外梯度模值的信息改变曲线单位法向量的方向,从而使曲线自适应地向内或者向外演化。最后,用改进的算法准确地提取出了医学图像的轮廓,算法的效率也有很大的提高。

陕西省潜在蒸散发的敏感性及变化成因分析

潜在蒸散发(ET_0)是准确估计作物需水量和合理制定农田管理制度的重要参考依据,分析其对气象要素的敏感性对评估区域陆地水资源利用效率具有重要意义。根据陕西省1955-2015年的20个气象站的逐日实测气象数据,利用Penman-Monteith方程计算逐日ET_0,应用敏感性公式计算ET_0对最高气温、最低气温、相对湿度、平均风速、日照时数等5个关键气候要素的敏感系数,探究敏感系数的时空分布规律及变化趋势;并结合气象要素的多年变化定量分析的变化ET_0成因。结果表明:(1)ET_0对气象要素的敏感系数年内变化幅度依次为:相对湿度>日照时数>最低气温>风速>最高气温。(2)陕西省年均ET_0对气象要素的敏感程度均在"中"等级以上,相对湿度最为敏感;年际敏感系数显著增减变化趋势南北差异大,且空间分布特征表现不一。(3)ET_0与关键气候要素之间呈现的复杂非线性关系,使各气象站ET_0变化的主导气象要素也不尽相同,存在明显空间差异。