Perona-Malik模型离散格式的改进

Perona和Malik给出的离散格式是原Perona-Malik模型的近似模型的离散形式.这个离散格式用差商代替梯度,并略去了原模型的一项,本文通过理论分析发现这些简化影响了平滑的速度和效果.文中将省略的一项也加以离散,并将差商绝对值替换为梯度模,最终得到一个隐式的离散格式.实验结果表明,本文的离散格式提高了平滑速度,改进了平滑效果.

基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法

鉴于偏微分方程在图像去噪中的原理和应用,针对传统机械振动信号去噪方法的局限性,提出了一种基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法并用于机械振动信号去噪。首先研究了小波阈值去噪和Perona-Malik非线性各向异性扩散滤波模型之间的相关性,其次用小波变换模替代梯度模构建改进的扩散系数,并推导出了基于小波变换模的改进Perona-Malik模型。实验结果表明,与传统去噪方法和基本Perona-Malik模型相比,改进Perona-Malik模型不仅较好地实现了强噪声背景信号有效去噪,而且同时保留了信号细节特征,改进算法抗噪声干扰能力强,去噪之后信号畸变小,改进算法使信噪比平均提高了约3 dB。

基于Perona-Malik方法的GVF Snake模型在舌像分割中的应用

采用Snake模型进行舌像分割虽然能够快速地得到舌体轮廓信息,但是Snake模型对于噪声和外部图像能量十分敏感,特别是舌头颜色与嘴唇以及面部颜色相近,分割时容易丢失重要信息。为了能够有效地将这些信息分离得到准确的舌体轮廓,提出了一种改进的Snake模型。该模型首先引入Perona-Malik方法来处理原始图像的边缘信息,强化模糊轮廓界线,再计算得到舌体区域的梯度能量场,以此作为Snake模型的外部能量部分,得到最终的Snake轮廓曲线。实验表明,使用改进的模型可以得到包含更多边缘信息的舌体图像,特别是颜色相近或者轮廓线不规则的舌体图像效果更加明显。

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。

小波域Wiener滤波和Perona-Malik融合去噪的新算法

针对传统的小波域维纳滤波图像降噪效果不理想,并产生伪Gibbs效应的问题,提出了一种小波维纳滤波和Perona-Malik融合去噪的新算法。该算法首先采用模拟偏微分方程的热扩散迭代,在小波域上进行维纳滤波去噪,由此得到的中间结果再通过Perona-Malik算法进行二次去噪,并在迭代过程中通过噪声权系数η的自适应性,在去噪过程中最大程度地保留图像的有效信息。仿真实验结果及与其他算法的对比分析表明,该算法具有较好的去噪和抑制伪Gibbs效应的能力,有效保存了图像的边缘细节,同时也提高了峰值信噪比(peak signal to noise ratio,PSNR)。

基于P.Perona和J.Malik方程的图像放大

偏微分方程在图像去噪、重建等图像处理领域中都已经有了较多较好的应用,基于一种全新的图像放大方法,即基于偏微分方程的图像放大法,该方法主要是利用热传导原理,建立热传导过程的数学模型,实现图像放大的目的.提出了一种基于P.Perona和J.M alik方程的图像放大的算法.数值离散采用直观的有限差分格式,实验在M atlab环境下进行.实验结果表明该法在放大过程中保持了图像的特征,也说明了该算法实现图像放大的有效性.

强噪声背景信号的Perona-Malik扩散滤波算法

为了提取强噪声背景下机械振动信号的微弱故障特征,提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用;其次分析了小波变换等传统信号降噪方法的不足;最后基于图像降噪和信号降噪原理的相似性,利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪,将其用于轴承振动仿真信号和实测信号。实验表明,与小波阈值去噪算法等传统信号降噪方法相比,Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪,同时兼顾了信号去噪和保留信号细节特征的双重要求。

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik(PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio,SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。

结合Tsallis熵的各向异性扩散模型

为了在有效去除图像噪声的同时,保留更多的图像细节、纹理和弱边缘特征,在Perona-Malik各向异性扩散模型(P-M模型)的基础上,考虑到图像Tsallis熵在平滑区域和边缘处熵值有差异的特点,提出了结合图像局部Tsallis熵的各向异性扩散模型。该模型的扩散系数同时依赖于图像梯度和图像局部Tsallis熵,较好的克服了P-M模型在图像部分边缘和细节失真的问题。实验结果表明,该模型不仅能很好的保持图像的弱边缘和重要细节,而且能有效的去除噪声。

各向异性模型图像增强算法的FPGA高速实现

针对Perona-Malik模型图像增强算法运行在计算机CPU上无法满足算法的实时性要求的问题,基于FPGA设计了一种改进型Perona-Malik模型图像增强算法的硬件加速结构.该硬件加速结构采用行缓存实现对部分图像的缓存操作;同时通过提取出参数查找表的方式,并使用梯度的计算结果为索引,降低了硬件结构的复杂度;计算过程中采用补码和定点小数,保证了计算结果的准确性;此外采用3级流水线处理方式,增加了该硬件结构的吞吐量.实验结果表明:8次迭代处理后,在与软件处理效果相近的情况下,一帧256×256图像处理时延约为0.67 ms,满足实时处理的需求,是计算机CPU实现速度的近300倍.

改进CLMC模型应用于医学图像滤波的研究

在分析CLMC模型(正则化P-M模型)的基础上,在扩散系数中加入二阶偏导数,提出了一种新的偏微分方程(PDE)模型,并采用基于半隐式方案的加法算子分裂算法(AOS)对新模型进行解算。选用MEDPIX医学图像数据库作为实验数据来源,对新模型的滤波效果进行验证分析。实验结果表明,相较于CLMC模型,新模型依然能很好的平滑噪声;且在保持边缘细节方面有一定的提升。

一类带时滞PDE模型在图像去噪中的理论研究

基于经典的P.L.Loins模型,提出了一类带时滞非线性PDE模型在图像去噪中的应用。该模型与以往图像去噪模型不同。以2阶扩散张量代替经典的各向异性扩散系数的方法,给出一种简单有效的描述方法。针对新模型,给出了模型解的适定性证明,为进一步进行数值模拟提供了理论依据。

基于磁共振图像的人眼晶状体轮廓特征提取的方法研究

目的:提出人眼晶状体轮廓特征提取的方法。方法:使用基于Perona-Malik模型的平滑算法以及数学形态学方法做预处理,使用Canny算子做边缘检测。结果:有效地提取出晶状体的轮廓。结论:所提出的方法在工程上具有可行性。

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M(Perona-Malik)扩散的钢轨表面缺陷视觉检测装置,该装置可自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷.钢轨图像具有光照变化、反射不均、特征少等特点,为了在运动过程中从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据缺陷边缘特性和面积进行滤波,分割出缺陷图像.实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别率和误检率都能很好地满足要求.

基于自适应小波偏微分方程的蝗虫切片图像去噪

蝗虫显微切片图像在获取的过程中不可避免地会受到噪声污染,其纹理、边缘与噪声又都属于高频分量,单独使用小波变换或偏微分方程(partial differential equation,PDE)扩散的方法都不能在有效去噪的同时保持边缘、纹理等。针对这一问题,提出了基于自适应小波PDE的去噪算法。首先对蝗虫切片含噪图像进行sym5小波软阈值去噪,分解层数根据去噪后图像的PSNR(peak signal to noise ratio)值自适应地选择,阈值门限使用Birge-Massart处罚算法获取。然后在此去噪的基础上进行Perona-Malik(PM)模型去噪,迭代次数根据去噪后图像的PSNR值自适应地选择,梯度阈值根据图像自身的2范数获取。为了验证所提出算法的去噪性能,进行了与常用去噪算法的对比试验。试验结果表明:视觉上,采用本文算法去噪后的图像噪声点较少且边缘、纹理清晰;客观上,采用该文算法去噪后的图像PSNR值比使用维纳滤波高出2 d B左右,比使用中值滤波高出3 d B左右,比使用小波阈值去噪高出2 d B左右,比使用PM模型去噪高出1 d B左右,并且在结构相似性(structural similarity image measurement,SSIM)上采用该文算法去噪后的图像与原始图像的相似度最高。因此,将自适应小波PDE的算法应用于蝗虫切片去噪是可行的、有效的,为其后续处理提供了技术支持。

中值滤波与各向异性扩散相结合的医学图像滤波方法

医学图像的滤波处理,须保留具有重要诊断意义的边缘细节信息。针对Perona-Malik(PM)各向异性扩散模型遇到强噪声则失效和扩散门限参数K依靠经验选取的不足,提出了一种改进的各向异性扩散算法。将PM算法与中值滤波结合,用经过中值滤波平滑后的梯度模代替原始图像的梯度模,以控制扩散的过程。应用自适应扩散门限(当前邻域内梯度的绝对偏差中值(MAD))和迭代终止准则,提高算法鲁棒性和效率。实验分别对超声心动图、CT图像和Lena图像进行去噪处理,用峰值信噪比(PSNR)和边缘保持能力EPI作为评价标准。实验结果表明,改进算法优于PM算法和Catte-PM方法,在提高信噪比的同时保留了图像的细节信息,可以更好地满足医学图像的使用要求。

基于多尺度区间插值小波法的牛肉图像中大理石花纹分割

牛肉大理石花纹的丰富程度代表着脂肪含量的多少,是牛肉等级划分的重要指标。基于计算机图像的自动分级技术中图像的降噪和分割处理是大理石花纹提取的基础。该文利用多尺度区间插值小波解偏微分方程的方法对牛眼肌切面图像进行处理,基于中心相似变换的延拓方法有效解决边界效应。处理中自适应选取配置点,提高计算效率。试验证明,该算法不仅达到降噪目的,同时还实现了对不同对象区域的保边平滑,使图像纹理和边缘更加清晰。降噪结果与传统滤波法进行对比,峰值信噪比值平均比均值滤波高9.0 d B,比中值滤波高8.2 d B,比维纳滤波高6.6 d B,结构相似性数值平均比均值滤波高0.42,比中值滤波高0.40,比维纳滤波高0.34。与大津法相比,去噪后采用灰度进行图像分割的效果更好,既能分割出大脂肪,又能分割出小脂肪,提高了牛肉等级判定的准确度。