一种基于TV模型结合MRF的图像修复算法

在图像修复的算法模型中,全变分TV(total variation)模型对于结构性强的图像拥有较好的修复效果,但对于图像纹理和边缘细节部分修复效果较不理想。而马尔可夫随机场(MRF)下FOE模型采用的邻域相关的系统方法在图像细节纹理修复方面有着出色的表现。故提出一种将两种模型结合的TV-FOE模型用于图像的修复,通过引进混合比例参数,使得改进的模型既能在保证对图像结构层次的修复效果,又能对图像纹理方面拥有很好的复原效果。将其与分别采用TV模型和FOE模型以及其他修复效果较好的算法进行对比,采用客观量化指标峰值信噪比(PSNR)、均方差(MSE)和像素差别图像进行分析、比较,量化结果证明所提出的TV-FOE模型对于破损图像拥有精度更高的修复效果。

一种基于TV模型的自适应图像修复方法

图像修复是数字图像处理的重要内容,可用于被损坏的图像和视频修复、视频文字去除以及视频错误隐藏等。基于TV模型的修复方法有较好的恢复效果,但对参数的选取比较敏感,且运算量较大。本文提出了一种基于TV模型的自适应图像修复方法,与原方法相比可以有效提高该算法的稳健性,并能显著的减少运算时间。

基于Curvelet变换和非局部TV模型的图像去噪

为解决Curvelet图像去噪所产生的"环绕"效应以及非局部TV模型去噪过度平滑而无法保持细小纹理的问题,本文提出了一种基于Curvelet变换与非局部TV模型相结合的图像去噪方法(Curvelet and Non-Local TV,CNL-TV)。该方法首先对含噪图像进行Curvelet变换,将其分解成不同尺度的图像;其次根据每层图像的特性,选择合适的非局部TV模型参数分别进行处理;最后将处理后的每层图像融合。实验结果表明,该算法不仅能够有效地减少噪声,消除Curvelet去噪产生的"环绕"效应,而且最大程度地保持了图像中的细小纹理成分。通过比较不同方法所得结果的峰值信噪比,验证了算法的有效性。

一种基于TV模型的快速图像修复算法

在研究TV修复算法的基础上,提出了一种快速修复算法.利用图像梯度的大小与方向信息对损坏像素直接加权合成,同时按照待修复点邻域内已知像素的梯度方差确定修复次序.实验证明快速修复算法显著减小了运算时间,并且修复后图像纹理更加清晰,达到了较好效果.

TVS静电抑制器等效电路参数估算及应用

提出一种静电脉冲防护中TVS器件(瞬态电压抑制器)的等效电路模型参数估算方法。基于半导体器件物理机理,考虑器件内建电势、击穿电压、结电容、及半导体的体电阻和封装的杂散电容电感等参数,建立TVS器件等效电路模型。搭建基于50高速测量系统的静电波形测试平台,通过电路仿真计算和相关试验的比较证实TVS等效电路模型在静电脉冲防护中的有效性,仿真和试验结果表明,串联电阻和封装杂散电感对静电脉冲的首个尖脉冲幅值具有显著的抑制作用。最后,应用建立的等效电路模型,对特高压变电站保护与控制设备模拟量端口的TVS器件脉冲抑制性能进行预测。

结合网函数插值与TV模型的图像修复算法

TV(Total Variation)模型用于图像修复时没有考虑缺损区域的方向信息,并且存在收敛速度缓慢以及修复质量较低等问题.针对图像上方向特征明显的条状缺损区域,提出带方向的TV图像修复算法(ADTV).该算法分别针对4种方向(0度、45度、90度、135度)对TV算法离散格式进行改进,并引入方向判断,将缺损区域归类到此4种方向进行修复.实验结果表明,该算法充分利用了条状缺损区域的方向信息,有效提高了图像修复质量.为提高修复效率,将网函数插值分别与TV算法、ADTV算法相结合提出Net-TV算法、Net-ADTV算法.实验结果表明,结合算法不但有效减少了迭代次数,降低了时间成本,加快了收敛速度,而且提高了图像修复效果.

基于TV模型和膨胀的图像修复方法研究

在基于TV模型的图像修复算法基础上,结合膨胀操作研究灰度图像的修复算法。首先分析了基于TV模型的图像修复算法流程;在此基础上结合图像膨胀操作提出了改进的图像修复算法;最后针对三种受损图像,通过实验对比分析了图像膨胀前后的修复效果。实验结果表明,基于TV模型和图像膨胀的图像修复算法可以完全去除图像表面多余的线条、文字或划痕,修复效果很好。

一种改进的全变分(TV)修补模型

目的提出一种全变分(TV)修补模型的改进方案,而且具有良好的边缘特性,并弥补原有的TV修补模型的不能满足连通性原则的缺陷。方法定义在图像修补区定义一种"加权全变分,即沿修补区边界法线方向的梯度分量对全变分的贡献,远大于沿切线方向的梯度分量的贡献。结果通过对相同的受损图像,采用原有模型和改进模型作比对实验表明,文中的改进模型可以完全满足图像修补的连通性原则。结论改进的TV模型较原始TV模型更适合于非纹理图像修复。

基于TV模型和L^2-模型的图像去噪方案

TV模型是图像去噪中保持图像边缘的模型之一.运用L2-模型从观察图像中提取光滑的草图,然后利用TV模型从残余图像中恢复一些丢失的有用信息,从而有效地避免TV模型的阶梯效应,使得恢复后的图像具有很好的视觉效果.

TV-STAR模型在人民币汇率制度转换中的应用

新的人民币汇率制度已经实行了三年多,国内外学术界和国际社会一直不乏对于人民币汇率制度转换问题的讨论和研究。焦点问题之一就是,现行的汇率制度是否真如中国人民银行所宣称的那样,已从简单地与美元挂钩转换为有管理的浮动汇率制度。人民币汇率制度的转换过程应该是渐进的,通过引入非线性理论中的时变平滑转换自回归模型(TV-STAR模型)来拟合从一种制度到另一种制度的平滑转换过程。

基于Sobel-TV模型的超声测井图像去噪算法研究

传统的TV模型对小尺度细节和噪声的图形去噪有很好的效果，但对纹理丰富和边界细小的图像会造成细节的丢失。根据超声测井图像的要求，提出了一种基于Sobel－TV模型的去噪方法。该方法在TV去噪模型的基础上引入Sobel算子来控制平滑程度，既提高图像的去噪效果，又保护图像的重要细节。处理结果表明，该方法能够有效地去除超声测井图像的噪声，保护了图像的边缘和细节，明显地改善了图像的视觉效果，算法简单、实用，对超声测井图像的后期处理具有较高的实用价值。

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法。该方法首先获取待修复区域的纹理方向,然后将TV模型在纹理方向上差分化求解。其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失。实验表明,该算法能高效、稳定地处理破损区域的图像信息。

基于简化的TV模型修复图像

基于修复受损灰度图像的整体变分法,提出了一种简化的TV模型.该模型根据待修复区域的实际情况对TV模型方程进行不同程度的简化,得到更容易实现的复杂度更低的偏微分方程.文中选择了四幅受损区域不同的待修复图像进行修复实验.实验表明:不论是需要去除不必要的文字还是修复不希望出现的划痕,对于不同的修复区域采用不同的修复方程在保证修复主观效果相当的情况下,可以使得修复速度明显加快,修复后的图像不易察觉修复痕迹,看上去自然.

基于TV模型的图像修复算法的一种数值实现

TV模型的数值实现方法是从局部扩散的角度出发,结合梯度下降法,充分利用了图像待修复像素点周围的信息计算梯度模值,与传统近似求解方法不同,该数值近似计算方法不仅对噪声的鲁棒性好,而且保证了在旋转kπ/4时梯度模值不变.实验表明,该数值实现方法在取得更好的视觉效果的同时获得了较高的运算效率.

瑞利分布乘性噪声去除的非局部TV模型

基于局部算子的TV模型用于瑞利分布乘性噪声去除时往往存在边缘模糊、纹理模糊等问题。因此,将非局部TV算子应用于传统的局部TV模型,提出一种新模型来去除瑞利分布的乘性噪声,并通过引入辅助变量构造一个逼近的泛函,设计相应的分裂Bregman算法,加快了计算速度。实验结果表明,所提出的非局部TV模型在峰值信噪比、结构相似度和视觉效果方面都优于传统算法,对图像纹理、边缘等特征的保持能力更强。

基于TV模型的图像修复算法

传统的图象修复由于具体位图的差异存在一定程度的困难,不仅需花费大量时间,而且修复效果亦不尽人意。本文在深入研究TV算法的基础上,提出了一种基于TV模型的快速图像修复算法。

基于TV模型与GoogLeNet的甲状腺结节图像分类

提出一种基于TV模型和深度学习Goog Le Net模型的甲状腺结节图像分类方法,采用基于TV模型的自适应图像修复方法对甲状腺超声图像进行预处理,消除边框标记。为提升网络的结节分类性能,采用深度学习的方法,构建GoogLeNetIncepetion V1模型对甲状腺超声波图像数据集进行实验。在各类病变和正常的甲状腺医疗图像数据集上的实验结果显示,该方法的分类诊断准确率为96.04%,具有非常可观的临床应用价值。

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TV模型对含乘性噪声图像的去噪算法

在针对乘性噪声的TV模型的基础上,将原本针对加性噪声的典型模型引入到乘性噪声模型中去。在进行数值差分计算时,与常用的显式和半隐式差分实现方法不同,本文采用备份迭代矩阵的方法来实现显式差分,该方法可使模型在去除噪声的同时,能够保持图像的对比度不变。在此基础上,通过在正则化项中加入常数,使得模型在使用显式差分实现时稳定性大为提高,从而简化了模型实现的难度,提高了算法的速度,并且还一定程度上缓解了阶梯效应的出现。试验结果表明,改进的算法效果明显。

基于改进自适应TV模型的全自适应去噪算法

为使保边性更好的去噪模型在邻近图像边缘处得到应用,同时在图像平坦处得到平滑性更好的模型,解决选择单一的正则项系数对图像处理结果造成的不良影响,有效地自适应选取正则项系数,采用基于小波变换的图像分割技术将图像分为边缘区域和平坦区域,通过修改TV模型的数值解法和ROF算法,实现自适应正则项系数算法。实验结果表明,改进的模型和自适应正则项系数选取算法得出的图像,均方误差为56.69,峰值信噪比为31.00,平均相似度为0.84。改进的TV模型在图像去噪效果方面优于原模型,自适应正则项系数算法能够弥补原图像去噪方法的不足。