基于PDE的图像去噪和反差增强同步算法

针对反差较低且包含噪声污染的灰度图像,设计分段线性拉伸函数,引入TV下降流,建立新的偏微分方程(PDE)数学模型。该模型通过设置参数λ灵活控制去噪和反差增强的程度,实现2种灰度图像处理手段的同步进行。对比实验表明,该方法可有效缓解传统处理方法存在的问题,在抑制噪声的同时增强图像的反差。

基于PDE的图像增强改进方法研究

实际应用中,图像不仅需要改善反差而且还有噪声污染。针对传统方法对图像先后做反差增强和去噪所产生的不可避免的缺陷,提出一种基于PDE的改进的反差增强方法,算法将增强和去噪过程统一起来同步进行,并加入一个特殊调整项,进一步改善图像视觉效果。实验证明改进后的方法整体上比传统方法具有更好的性能,能够有效地避免传统方法的缺陷。

基于矢量扩散控制的图像同步去噪增强方法

在图像获取过程中,常得到含有噪声和对比度较差的图像,为更好地去除图像的噪声与增强对比度,提出一种基于矢量扩散控制的图像同步去噪增强方法。分析全变分(TV)模型的构造,指出其存在的问题,通过引入矢量扩散控制的方式改造该模型的后项,更好地控制扩散在图像边缘处的粒度。给出限制对比度自适应直方图均衡的微分模型结构,并与改进后的TV模型融合实现图像的同步去噪与反差增强。通过2组实验从成像质量和灰度分布上比较处理结果,验证该方法的有效性。实验结果表明,该方法不仅较好地解决了TV模型在去噪过程中出现的阶梯效应,而且能够改善图像对比度,提高图像的质量。