下载文档原格式
改进的自适应广义整体变分图像降噪模型
高雷阜;李超
【期刊名称】《计算机应用》
【年(卷),期】2016(036)006
【摘要】针对自适应广义整体变分(AGTV)图像降噪模型对图像边缘信息定位精度不高及提取不足的问题,为提高图像降噪效果和峰值信噪比,提出了改进的AGTV (IAGTV)图像降噪模型.一方面,该算法换用精度更高的梯度计算方法,相对于AGTV 更精确地定位图像边缘;另一方面,为优化图像预处理的滤波过程,用高斯-拉普拉斯联合变换替代高斯平滑滤波,更有利于检测图像边缘信息,在实现降噪的同时防止边缘信息弱化.数值仿真实验得出,IAGTV模型的复原图像峰值信噪比相对于固定p值的GTV模型提高了大约1.0dB,比AGTV模型提高了至少0.2dB.实验结果表明IAGTV具有良好的图像降噪能力.
【总页数】6页(P1699-1703,1750)
【作者】高雷阜;李超
【作者单位】辽宁工程技术大学理学院,辽宁阜新 123000;辽宁工程技术大学理学院,辽宁阜新 123000
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于广义变分模型的自适应图像去噪算法 [J], 王益艳
2.PDE变分模型的自动图像降噪和复原 [J], 江凤莲
3.一种改进的全变分自适应图像去噪模型 [J], 侯榆青;张欢;史晶;张玲艳
4.倾斜影像整体变分模型阴影检测算法改进 [J], 闫利;莫楠;费亮;朱睿希
5.改进的二阶总广义变分图像前后景分割模型 [J], 孔晓然;朱华平
因版权原因，仅展示原文概要，查看原文内容请购买。
分裂Bregman优化的总变分遥感图像复原
李炜豪
【期刊名称】《电子制作》
【年(卷),期】2015(000)011
【摘要】遥感成像过程中，受传感器固有局限、大气湍流等影响，图像会出现严
重复杂的退化。
相较普通图像复原，遥感图像复原后，细节应该更加丰富。
然而，传统的Wiener滤波、Richardson-Lucy等复原方法，很难有效地抑噪声保细节。
而且，默认的高斯噪声模型常与实际不符。
本文基于总变分正则化的方法，对遥感图像进行复原，能够鲁棒去除各种噪声，且较好保持了细节信息。
对TV正则化泛函寻优，采用分裂Bregman方法，通过引入辅助变量将原问题转化为三个简单子问题的迭代求解，降低了计算复杂度。
实验证明，所提方法能有效复原不同噪声污染的遥感图像，较好地保持了细节信息。
【总页数】2页(P58-59)
【作者】李炜豪
【作者单位】国家知识产权局专利局专利审查协作江苏中心 215163
【正文语种】中文
【相关文献】
1.基于数值保真项优化的TDI遥感图像复原方法 [J], 苏慧;冯华君;徐之海;李奇;陈
跃庭
2.基于空不变图像复原的光学遥感成像系统优化 [J], 智喜洋;张伟;侯晴宇;孙晅
3.多源遥感数字图像复原优化研究 [J], 陈玲侠
4.改进的分裂Bregman方法荧光显微图像复原 [J], 张长春;王瑜;肖洪兵;;;
5.集成学习法与双分裂Bregman正则化下的图像复原 [J], 杨敬娴;郭喜庆;孙鹏飞;韩文钦;解官宝
因版权原因，仅展示原文概要，查看原文内容请购买。
改进的曲波变换及全变差联合去噪技术薛永安;王勇;李红彩;陆树勤【摘要】Random noise can be effectively attenuated based on conventional combination of curvelet transform and total variation tech-nology.This combination technology can reduce the pseudo-gibbs effects and the aliased curves resulting from using curvelet transform, but this method is not conducive to the fidelity of seismic data processing.In this paper,a random noise attenuation method is put for-ward based on multi-scale and multi-direction improved Donoho thresholds,This improved combination technology can very effectively overcome the disadvantages of conventional combination technology and better preserve the signal of seismic data. When this method is used to attenuate random noise,we must choose appropriate threshold factors at every scale and in every direction,and it is unlike con-ventional technology which only chooses one fixed proportion threshold factors of all curvelet coefficients.Theoretical model and real data processing results show that this technology can maximally preserve the signal of seismic data,so it has a good prospect in the seismic data processing.%运用常规的基于曲波变换和全变差的联合去噪技术，可以有效地衰减随机噪声，较好地克服使用曲波变换带来的强能量团以及在同相轴边缘产生的不光滑现象，但是这种常规的联合去噪方法对有效信号有一定的损害。
基于改进的水平集模型工业零件图像分割方法侯木舟;陈英皞【摘要】随着计算机视觉技术发展,工业机器人的智能化水平越来越高.从只能完成定点定向的动作,到可以根据其搭载的摄像头来自主地识别零件并对其进行定位.利用图像处理技术可以进一步提高其识别速度与抓取精度,提高生产力水平.本文提出了一种改进的水平集模型,首先定义以图片宽度的2/3为半径,图片中心为圆心的圆作为曲线演化的初始轮廓,让曲线以向内运动为主;接着,使用图像边缘标记函数,通过优化控制函数迭代速率的参数与影响模型对噪音敏感度的参数,提高了曲线的演化速率,最后使用改进的距离正则化水平集方法将曲线演化至目标物体边界,实现对图像的分割.仿真实验表明,该方法能有效检测出图像中单个及多个物体的边界,提高了边界的定位精度,且有较快的运算速度.【期刊名称】《中北大学学报（自然科学版）》【年(卷),期】2019(040)002【总页数】7页(P155-160,166)【关键词】水平集;图像分割;距离正则化【作者】侯木舟;陈英皞【作者单位】中南大学数学与统计学院,湖南长沙410083;中南大学数学与统计学院,湖南长沙410083【正文语种】中文【中图分类】O242.10 引言图像分割技术在机器人定位、导航、图像压缩以及目标检测等领域具有非常重要的意义[1-3]. 基于活动轮廓模型的改进的图像分割算法在算法中引入边界信息，使算法形式多样，结构灵活. 在活动轮廓模型的基础上发展得到基于水平集方法的图像分割方法，将低维曲线嵌入高一维空间中，并将曲线嵌入的位置作为零水平集的位置，用连续曲线表示目标物体的边缘，根据闭合曲线演化理论得到曲线的演化方程，通过求解方程的能量范函最小值驱动曲线演化.在图像分割时，最终零水平集截面的位置就是图像分割的边缘.传统的边缘检测方法先检测图像中的边缘点，接着将边缘点连接成闭合曲线，构成图像的分隔区域，常用边缘检测算子来检查图像中灰度、颜色或纹理中不连续的部分，常用的边缘检测算子有非微分算子如Canny算子，一阶微分算子如Sobel算子， Robot算子、 Prewitt算子及二阶微分算子Laplacian算子、 Log 算子等[4-6]. 但是几种边缘检测算子运算速度慢，精度较低且轮廓过于粗糙.1987年Kass等人提出了活动轮廓方法[7-8]，利用图像自身几何特征和图像数据的共同驱动以最小化能量函数的形式向边界运动. 但这个模型是基于能量泛函的优化问题，容易陷入局部极小值[9]，对于初始轮廓的选择过于依赖. C-V模型是基于图像中的区域分割的水平集模型[10]， Chan-Vese模型利用能量泛函最小值驱动曲线演化求解图像分割的结果. 但C-V模型需要不断初始化，使计算量大大提高，演化速率较慢[11-12].在图像分割中，当图像像素较小或者物体边界较为模糊时，传统的水平集方法难以快速且准确地分割出图像中目标物体的轮廓，本文通过重新定义δε (x)和Hε (x)函数，改进了距离正则化水平集方法，提高了图像分割的精度与速度.1 改进的距离正则化水平集方法设由y=f(x)表示平面上的曲线，或隐函数形式y-f(x)=0，表示x与y的对应关系φ(x,y)=y-f(x)=0.(1)给定的一个初始封闭曲线C，这条曲线可以沿着其法线方向向内或向外演化，加入时间变量t后形成随时间变化的曲线簇C(t)，我们将曲线簇C(t)看作高维空间上的一个曲面φ的零水平集合{φ=0,t},其中水平集是水平面上函数φ(x,y,t)值相同的点的集合，零水平集就是所有函数φ(x,y,t)=0的点的集合，φ(x,y,t)是随时间变化的水平集函数.对给定的水平集函数φ(C,t)，则φ(C(t),t)=0是t时刻曲线C(t)的零水平集，对φ(C(t),t)=0关于时间t求偏导数有(2)式中：是Hamiltonian算子；φ是φ的梯度.由微分几何中平面曲线的性质可知，初始轮廓曲线的单位法向量N满足(3)曲线的演化方程为(4)式中： F是法向速度函数.将式(3)，式(4)代入式(2)中化简得到水平集基本演化方程φ|=0.(5)水平集方法的本质是求解关于时间变量t的一阶非线性偏微分方程式(5)，这个演化方程属于哈密顿-雅可比方程，可按照对时间分量Δt与空间变量分离求解的方法进行数值计算.在水平集演化前，先将水平集方程初始化为符号距离函数.在t=0时刻的水平集函数φ(x,y,t=0)=sgn(x,y,C(t=0))×dist(x,y,C(t=0)),(6)式中： sgn(x,y,C)是符号函数，当点(x,y)在曲线 C外部时， sgn(x,y,C)=1; 当点(x,y)在曲线C内部时， sgn(x,y,C)=-1. dist(x,y,C)是点(x,y)到曲线C的最近距离. 在建立符号距离函数的过程中分为两个步骤：首先确定计算时点(x,y)在演化曲线的外部还是内部；接着计算点到曲线C的最短距离.在曲线演化中保持|φ|=1，以保证在数值求解中的离散网格大小为1，使模型在数值计算中保持较高精度.在曲线基于水平集方法演化过程中，由于水平集方程的演化不是规则化的，随着演化的进行会产生数值误差，进而破坏了水平集演化的稳定性.为使得曲线在演化过程中的稳定性，需定时将零水平集初始化为符号距离函数.常用的标准算法是求解以下哈密顿-雅可比演化方程直到一个稳定状态(1-|φ|).(7)零水平集的定时重新初始化步骤虽然保证了曲线在演化过程中的准确性，但大大增加了计算量，降低了模型的运算效率. Li等人提出了距离正则化水平集模型(DRLSE)[12]. 在这个模型中在基于边缘的水平集能量函数中增加了一项距离规则项作为惩罚项，使得水平集函数能够自我约束地作为符号距离函数，并构造了距离正则化项，与轮廓的外部能量一起驱动初始轮廓曲线向实际物体轮廓边缘演化[13]. 距离正则化能量泛函可以定义为E(φ)=μRp(φ)+Eext(φ),(8)式中：μ>0是一个常数，φ|dx是水平集函数φ的正则化项，是Rp(φ)的能量密度函数，是图像区域的能量, λ与α为常数，δ∈为Dirac函数，Hε(x)是Heaviside函数. 文献[8]将δ∈与Hε (x)分别定义为(9)(10)由于文献[8]将δ∈与Hε(x)定义为分段函数，降低了模型的运算速度，本文将δ∈与Hε(x)定义为连续函数的形式(11)(12)模型通过最小化能量函数E(φ)=μRp(φ)+Eext(φ)求解图像分割的边界，为保持模型求解的稳定性，需要合理地选取Rp(φ)的能量密度函度函数p(s)，使水平集函数φ保持符号距离函数的性质，即|φ|=1.记s=| 那么(13)(14)式中： div是散度.接着通过寻找如下梯度下降流方程的稳定解使能量函数E(φ)最小化.(15)其中，负号表示水平集函数φ(x,y,t)的方向与距离正则化能量泛函E(φ)的偏导数方向相反，是能量函数E(φ)的最陡梯度下降流.对式(8)计算偏导数并结合式(13)～(15)有(16)式(16)即为距离正则化演化方程.结合图像轮廓的外部能量泛函的定义，距离正则化演化方程式(16)可写为(17)其中，是图像的边缘检测函数，使得轮廓曲线在图像梯度较小处快速演化，在梯度较大处缓慢演化；α∈R，表示曲线的演化方向，当α>0时，曲线向内部演化，当α<0时，曲线向外部演化.2 模拟实验选取如下1 024×680的灰度图像作为测试图像，如图 1 所示.图 1 测试图像Fig.1 Test image首先使用传统的边缘检测算法利用非微分算子Canny算子和一阶微分算子Sobel算子来检测图像的边缘轮廓，边缘检测算子与边缘检测图像如表 1 和图 2 所示. 表 1 边缘检测算子及其边缘检测图像Tab.1 Edge detection operator and its edge detection image算子SobelCanny滤波器x方向算子Gx=∂f∂x=(z7+2z8+z9)-(z1+2z2+z3)Gx(x,y)≈[S(x,y+1)-S(x,y)+S(x+1,y+1)-S(x+1,y)]/2滤波器y方向算子Gy=∂f∂y=(z3+2z6+z9)-(z1+2z4+z7)Gy(x,y)≈[S(x,y)-s(x+1,y)+S(x,y+1)-S(x+1,y+1)]/2图 2 使用两种不同的边缘检测算子检测的零件轮廓Fig.2 Part contours detected by two different edge detection operators通过实验发现，使用几种边缘检测算子寻找图像中目标物体边缘运算速度慢，精度较低且轮廓过于粗糙，不能很好地将目标物体的边缘从图像中分离出来.首先使用传统方法定义的δ∈与Hε(x)函数寻找目标物体的边缘轮廓. 选取图像中心为圆心，图像宽度的2/3为半径的圆作为初始轮廓曲线进行演化.图 3 使用传统方法定义的δ∈与Hε(x)函数时不同演化次数得到的轮廓曲线Fig.3 Contour curve obtained with different evolution times using the δ∈ andHε(x) functions defined by the traditional method图 4 使用传统方法定义的δ∈与Hε(x)函数时演化200次得到的轮廓曲线Fig.4 Contour curve obtained by evolving 200 times using the δ∈ and Hε(x) functions defined by the traditional method由图 3 发现，使用传统方法定义的δ∈与Hε(x)函数定义的水平集方程运算速度较慢，在80次演化后无法得到目标图像的轮廓. 如图 4 所示，让曲线继续演化，经过200次演化，该水平集模型依旧无法完全分割出目标图像的边缘，耗时超过26 s，速度过慢无法满足实际应用中的使用需求.为加快轮廓曲线的演化速度，我们将目标图像压缩至原来的1/16，及将图像的长和宽均缩小为原始图像的1/4，得到256×170的灰度图像，将压缩后的图像作为测试图像重新寻找目标物体的边缘轮廓曲线.图 5 使用压缩后图像不同演化次数得到的轮廓曲线Fig.5 Contour curve obtained using different evolution times of compressed images如图 5 所示，即使使用了压缩后的图像，在80次演化后依然无法得到目标物体的轮廓曲线，但对比使用压缩前的图像，轮廓曲线的演化速度大大提高. 如图 6 所示，让水平集模型继续演化，在200次演化后，曲线内的面积变化小于2%，可以认为曲线已经演化至目标物体轮廓上. 但由于使用的是压缩过的图像，图像精度大大降低，当对目标物体的轮廓精度要求较高时，传统的距离正则化水平集方法不能快速而准确地寻找到目标物体的边缘轮廓. 本文对传统水平集方法中的δ∈与Hε(x)函数进行改进，使其能更快速且准确地得到目标物体的边缘轮廓.继续使用图 1 中的1 024×680的灰度图像作为测试图像.图 6 使用压缩后图像演化200次得到的轮廓曲线Fig.6 Contour curve obtained by using image compression 200 times after compression图 7 使用本文改进的δ∈与Hε(x)函数后不同演化次数得到的轮廓曲线Fig.7 Contour curve obtained with different evolution times after using the improved δ∈ and Hε(x) functions in this paper如图 7 所示，使用本文改进的δ∈与Hε(x)函数后，曲线的演化速度大大提高，且得到的轮廓相较于使用边缘检测算子得到的轮廓更加精确，轮廓边缘更光滑. 初始轮廓曲线演化了80次后曲线内的面积变化小于2%，得到了目标物体的轮廓曲线如图 8所示.图 8 使用本文改进的δ∈与Hε(x)函数后得到的目标物体的轮廓曲线Fig.8 The contour of the target object obtained using the improved δ∈ and Hε(x) functions in this paper即使我们对目标物体的轮廓精度要求较低时，本文的方法相较于文献运算速度更快，在使用压缩后的图像寻找目标物体边缘时，本文的方法仅使用7次演化就得到了目标物体的边缘，如图 9 所示. 不同方法的曲线深化时间对比如表 2 所示.图 9 使用本文改进的δ∈与Hε(x)函数和压缩后图像得到的目标物体的轮廓曲线Fig.9 Contour curve of the target object obtained using the improved δ∈ and Hε(x) functions and the compressed image表 2 不同方法的曲线演化时间对比Tab.2 Curve evolution time comparison of different methods演化次数\演化方法传统方法本文改进的方法传统方法本文改进的方法图像大小71 024×680(未得到边缘)256×170(未得到边缘)1024×680(未得到边缘)256×1700.916 s608. 622 s(未得到边缘)7. 043 s(未得到边缘)1. 963 s(未得到边缘)-8012. 185 s(未得到边缘)8. 596 s2. 173 s(未得到边缘)-20026. 151 s(未得到边缘)-3. 550 s-3 结论对图像中目标物体轮廓的提取，可以提高工业机器人的智能化水平，可以让其自主地对目标物体进行定位与识别. 本文通过重新定义距离正则化水平集方法的函数，提高了轮廓曲线演化的速率. 实验表明，通过对传统的距离正则化水平集方法进行改进，将寻找目标物体的轮廓时间缩短至原来的1/3，大大提高了模型的运算速度，扩大了模型的适用领域.参考文献：【相关文献】[1] 王智刚. 主动轮廓模型在图像分割中的应用研究[D]. 西安：陕西师范大学, 2014.[2] 孔珊, 陈相廷, 刘姝月,等. 水平集方法在医学图像分割中的应用[J]. 现代计算机(专业版),2014(35)： 49-55.Kong Shan, Chen Xiangting, Liu Shuyue, et al. AppIication of levei-set method in medicai image segmentation[J]. Modern Computer, 2014(35)： 49-55. (in Chinese)[3] 孔珊. 水平集方法在图像分割中的应用研究[D]. 开封：河南大学, 2015.[4] 杨振亚, 白治江, 王成道. 自适应Canny边缘检测算法[J]. 上海海事大学学报, 2003, 24(4)：373-377.Yang Zhenya, Bai Zhijiang, Wang Chengdao. A self-adaptable canny edge detection algorithm[J]. Journal of Shanghai Maritime University, 2003, 24(4)： 373-377. (in Chinese) [5] Mallat S, Hwang W L. Singularity detection and processing with wavelets[J]. IEEE Transictions on Information Theory, 1992, 38(2)： 617-643.[6] Li X, Song A G. A new edge detection method using Gaussian-Zernike moment operator[C]∥2010 2nd International Asia Conference on Informatics in Cont rol, 2010：276-279.[7] Caselles V, Kimmel R, Sapiro G. Geodesic active contours[J]. International Journal of Computer Vision, 1997, 22(1)： 61-79.[8] Sethian J A. Level set methods and fast marching methods[M]. Cambridge：Cambridge Uniersity Press, 1999.[9] 沈凌云, 朱明. 改进的距离正则化水平集演化方法[J]. 北京工业大学学报, 2015(5)： 674-679. Shen Lingyun, Zhu Ming. Improved method of distance regularized level set evolution[J]. Journal of Beijing University of Technology, 2015(5)： 674-679. (in Chinese)[10] Chan T F, Sandberg B Y, Vese L A. Active contours without edges for vector-valued images[J]. Journal of Visual Communication and Image Representation, 2000, 11(2)： 130-141.[11] 吴永飞, 何传江, 陈强. 基于CV和LBF模型结合的图像分割算法研究与实现[J]. 计算机应用与软件, 2013, 30(7)： 98-100.Wu Yongfei, He Chuanjiang, Chen Qiang. Research and implementation of image segmentation algorithm based on CV and LBF model[J]. Computer Applications and Software, 2013, 30(7)： 98-100. (in Chinese)[12] 张帆, 张新红. 基于位错理论的距离正则化水平集图像分割算法[J]. 自动化学报, 2018, 44(5)：943-952.Zhang Fan, Zhang Xinhong. Distance regularized level set image segmentation algorithm by means of dislocation theory[J]. Acta Automatica Sinica, 2018, 44(5)： 943-952. (in Chinese)[13] Osher S. Fronts propagating with curvature dependent speed： algorithms bose on Hamilton-Jacobi formulations[J]. Journal of Computational Physics，1988, 79(1)： 12-49.。
基于TV模型的图像修复算法[摘要]图像修复是指对那些局部区域数据完全丢失的图像进行修补，以恢复其完整性和原有的视觉效果。
图像修复现在是计算机图形学和计算机视觉中的一个研究热点，近年来得到了广泛关注，在文物保护、影视特技制作、虚拟现实、多余物体剔除等方面有着重大的应用价值。
常用的数字图像修补方法有基于偏微分方程的图像修补方法、基于变分的图像修补方法、基于统计的图像修补方法和基于样本块的图像修补方法。
本文探讨基于TV模型的图像修复算法，阐述了TV模型的基本原理和算法实现。
基于matlab的实验结果表明，该算法能较好地保持图像的边缘，基本恢复了图像原有的视觉效果，与基于快速行进法的图像修复算法相比，无论是修复速度还是视觉效果方面都取得了较好的效果。
[关键词] 全变分模型快速修复自适应修复TV-Based Image Restoration Algorithm Model[Abstract] Image restoration refers to the reparation of an image to restore its integrity and original visual effect which has complete data loss in some partial area. Image restoration is a hotspot in computer graphics and computer vision research and has aroused great concern in recent years. It is mainly used in heritage protection, film and television special effects production, virtual reality, excess objects removal and other aspects. The most commonly used methods are image repair method based on partial differential equations, variational image repair method based on statistical methods and image repair sample block-based image repair method commonly used digital image repair method. The paper discusses the image restoration algorithm based TV model to explain the basic principles and algorithms TV Model. Based on Metlab, the experimental results show that the algorithm can maintain the edge of the image and basically restore visual effects of the original image. Compared with the Fast Marching Method based image restoration algorithms, this method achieves better results either in repair speed or visual effects.[Keyword] Total Variation model Rapid repair Adaptive restoration目录引言 (1)1预备知识 (2)1.1 MATLAB的主要功能与特点 (2)1.2 图像质量的评价标准 (3)1.2.1主观评价方法 (3)1.2.2客观评价方法 (3)2常用的图像修补算法 (4)2.1BSCB模型 (4)2.2TV模型 (5)2.3CDD模型 (5)2.4优劣比较 (6)3基于TV模型的图像修复算法 (7)3.1基本原理 (7)3.2算法实现[8] (9)3.3快速修复算法 (11)3.4自适应修复算法 (14)3.4.1问题的引入 (15)3.4.2算法的实现 (16)4仿真结果与性能分析 (16)4.1仿真结果 (16)4.2性能分析 (18)结论 (18)致谢语 (19)[参考文献] (20)引言图像修补属于图像恢复的研究领域，是图像处理领域的一个分支，也是当前计算机视觉方面的一个研究热点，在国内外受到广泛的重视。
北京大学学报( 自然科学版 )2021年第57卷总目次基于语义对齐的生成式文本摘要研究 ·········································································· 吴世鑫黄德根李玖一 (1)一种基于多任务学习的多模态情感识别方法 ···························································· 林子杰龙云飞杜嘉晨等 (7)中文机器阅读理解的鲁棒性研究 ············································································· 李烨秋唐竑轩钱锦等 (16)基于细粒度可解释矩阵的摘要生成模型 ···································································· 王浩男高扬冯俊兰等 (23)基于Masked-Pointer的多轮对话重写模型 ·································································· 杨双涛符博于晨晨等 (31)开放域对话系统的抗噪回复生成模型 ···················································································· 朱钦佩缪庆亮 (38)具有选择性局部注意力和前序信息解码器的代码生成模型 ············································ 梁婉莹朱佳吴志杰等 (45)基于分层序列标注的实体关系联合抽取方法 ··························································· 田佳来吕学强游新冬等 (53)基于Transformer局部信息及语法增强架构的中文拼写纠错方法 ············································· 段建勇袁阳王昊 (61) . All Rights Reserved.复述平行语料构建及其应用方法研究 ···································································· 王雅松刘明童张玉洁等 (68)融合物体空间关系机制的图像摘要生成方法 ······························································ 万璋张玉洁刘明童等 (75)无监督的句法可控复述模型用于对抗样本生成 ························································ 杨二光刘明童张玉洁等 (83)基于深度学习的实体链接研究综述 ······································································· 李天然刘明童张玉洁等 (91)海域天然气水合物开采的4C-OBC时移地震动态监测模拟 ················································ 朱贺何涛梁前勇等 (99)微观剩余油赋存状态的矿物学机制探讨——以鄂尔多斯盆地中部中‒低渗砂岩储层为例 ·················································· 王哲麟师永民潘懋等 (111) 不同分辨率下青藏高原对大西洋经向翻转流影响的耦合模式研究·····································邵星杨海军李洋等 (121)深圳河湾流域溢流污染规律及其对海湾水质的影响 ······················································ 程鹏李明远楼凯等 (132)中国东部水稻土壤丁酸互营降解微生物的地理分布格局 ·················································· 费媛媛焦硕陆雅海 (143)1982—2014 年华北及周边地区生长季NDVI变化及其与气候的关系 ······························· 张新悦冯禹昊曾辉等 (153)模型结构与参数化差异对蒸散发估算的影响 ························································· 赵文利熊育久邱国玉等 (162)基于需求的京津冀地区生态系统服务价值时空变化研究 ············································· 唐秀美刘玉任艳敏等 (173)2007—2016年中国省域碳排放效率评价及影响因素分析——基于超效率SBM-Tobit模型的两阶段分析 ························································ 宁论辰郑雯曾良恩 (181)I北京大学学报(自然科学版) 第 57 卷 第 6 期 2021 年 11 月II 环境规制对工业绿色全要素生产率的影响——短期偿债能力的中介效应 ·········································································· 刘锦慧 邹振东 邱国玉 (189) 胰岛炎症导致的2型糖尿病发病过程的动力学模型及治疗策略······································ 林智立 雷蕾 李长润 等 (199) 内部充放电监测器仿真及地面实验研究 ································································ 宋思宇 于向前 陈鸿飞 等 (209) 保定‒雄安地区近地面大气流动与轨迹输送特征 ························································· 栗涵舸 蔡旭晖 康凌 等 (215) 巢湖地区早三叠世晚斯密斯亚期含鱼化石碳酸盐岩结核的地球化学特征及其地质意义 ········ 于鑫 孙作玉 孟庆强 等 (225) 结合序贯平差方法监测地表形变的 InSAR 时序分析技术·················································王辉 曾琪明 焦健 等 (241) 北方农牧交错带草地土壤微生物量碳空间格局及驱动因素 ········································ 陈新月 姚晓东 曾文静 等 (250) 基于 GIS 的全球农业开发潜力和人口承载力分析 ······················································· 梁书民 刘岚 崔奇峰 等 (261) 短程硝化–厌氧氨氧化在实际垃圾渗滤液处理工程中的启动运行研究 ······························ 初永宝 赵少奇 刘生 等 (275) 唐河地下水有机氯农药(OCPs)的分布特征及风险评估 ······················································ 张敏 王婷 杨超 等 (283) 城市市政基础设施投资与经济发展的空间交互影响 ···················································· 储君 刘一鸣 林雄斌 等 (291) 碳纳米管对天然有机质氯化消毒副产物生成的影响 ················································· 李慧敏 陈学姣 尤明涛 等 (299) 利用简化空气质量模型快速构建臭氧生成等浓度曲线及其应用······································ 杜云松 黄冉 王馨陆 等 (311) 基于深度神经网络的城市典型乔木日内蒸腾特征模拟研究 ········································ 赵文利 邱国玉 熊育久 等 (322) 黄河上游重金属元素分布特征及生态风险评价 ·····························································张倩 刘湘伟 税勇 等 (333) 化工企业污染物影子价格的估计——基于参数化的方向性距离函数 ··················································································· 陈醒 徐晋涛 (341) 汉江流域河网分级特征研究 ··················································································· 黄子叶 王易初 倪晋仁 (351) 植物残体输入改变对樟子松人工林土壤呼吸及其温度敏感性的影响····························· 何可宜 沈亚文 冯继广 等 (361) 那仁郭勒河流域地表水与地下水储量变化响应研究 ························································ 王玥 王易初 倪晋仁 (371) 生境维持服务供给量与需求量研究——以京津冀地区为例 ······················································································ 王雅琳 牛明爽 宋波 (381) 寒武纪化石胚胎 Markuelia 的肌肉组织 ··································································· 刘腾 段佰川 刘建波 等 (390) 果子狸多态性微卫星位点的筛选及特性分析 ······························································· 王迪 张丹 熊梦吟 等 (395) 惠斯通电桥式磁阻传感器的零位温度漂移研究 ························································· 于向前 刘斯 肖池阶 等 (401) 碳离子注入辅助在 6H-SiC 表面制备石墨烯··························································· 陈钰焓 赵子强 赵云彪 等 (407) 石家庄市秋冬季大气环流型下的气象和PM 2.5污染特征 ·················································· 肖腾 林廷坤 严宇 等 (414) 基于大数据量的初至层析成像算法优化 ·································································· 吕雪梅 张献兵 康平 等 (425) 天然气水合物相关的 Slipstream 海底滑坡体速度结构模型反演············································ 蓝坤 朱贺 何涛 等 (435) . All Rights Reserved.第 57 卷(2021年)总目次III 矽卡岩中石榴子石的稀土配分特征及其成因指示 ···································································· 王一川 段登飞 (446) 鄂尔多斯盆地长 7 段页岩油优质储层特征分析 ·························································· 王晓雯 关平 梁晓伟 等 (459) 下刚果盆地中段挤压带盐底辟构造形成演化分析——基于物理及离散元模拟 ················································································ 程鹏 李江海 刘志强 (470) 滇池溶解氧浓度变化的氮磷循环响应模拟研究 ························································· 胡梦辰 朱滔 蒋青松 等 (481) 长江中下游武安段生态航道评价 ················································································ 刘念 李天宏 匡舒雅 (489) 冬奥会申办成功对北京旅游目的地感知形象的影响 ························································ 丛丽 徐琳琳 方小雨 (496) 沸石载体恢复受饥饿影响厌氧氨氧化菌的性能研究 ················································ 余道道 孙敬起 霍唐燃 等 (507)1.5ºC 和 2ºC 目标下中国交通部门2050年的节能减排协同效益 ······································· 陆潘涛 韩亚龙 戴瀚程 (517) 嗜热蓝细菌 PKUAC-E542 藻蓝蛋白耐热性以及不同光照条件对其含量影响研究 ············ 李俐珩 梁园梅 李玫锦 等 (529) 我国海岸带城市化系统耦合协调时空动态特征——以东海海岸带城市为例 ················································································ 徐煖银 李枝坚 曾辉 (536) 丙酸盐对厌氧氨氧化除氮性能及群落结构的影响 ··························································· 张立羽 乔雪姣 余珂 (545) 农户生计资本特征及对生活满意度的影响——基于中国 13 省 25 县抽样调查数据的分析······················································· 卢志强 曹广忠 李贵才 (556) 城市化对哺乳动物丰富度影响的研究——以长三角城市群为例 ··········································································································· 林萍 (565) 黄河下游花园口至艾山河段滩区洪水漫滩风险度评估研究 ·········································· 孙煜航 程舒鹏 张祺 等 (575) 磁性 CoFe 2O 4/g-C 3N 4 复合纳米材料对环丙沙星的光催化降解研究 ······························ 陶虎春 邓丽平 张丽娟 等 (587) 格密码关键运算模块的硬件实现优化与评估 ································································· 陈朝晖 马原 荆继武 (595) 基于时空建模的动态图卷积神经网络 ················································································ 李荆 刘钰 邹磊 (605) 核磁共振波谱法结合化学计量学判别油菜蜜的成熟蜜、非成熟蜜和加工蜜························· 陈辉 张佳琳 鞠晶 等 (614) 黄铁矿型 FeS 2 纳米微球的制备及其超级电容性能研究 ····························································· 李搛倬 传秀云 (623) 全球变暖背景下内蒙古地区沙尘暴频次变化的预估 ································································· 杨诗妤 闻新宇 (632) 利用人工智能神经网络预测广州市 PM 2.5日浓度 ········································································ 李泽群 韦骏 (645) 基于多方向识别的三维断层增强方法 ·································································· 安圣培 陈彦阳 罗红梅 等 (653) 尖峰岭次生林和原始林林下灌木叶氨基酸对氮添加的响应 ······································· 李修平 安丽华 倪晓凤 等 (660) 城市电动自行车违规充电隐患的空间分布及其影响因素 ··················································· 廖聪 邬伦 蔡恒 等 (671) 深圳近海环境重金属空间分布特征与风险评价 ······················································ 张海军 史本宁 焦学尧 等 (679) 生态系统文化服务供需关系量化方法研究——以平陆大天鹅景区为例 ············································································· 杨丽雯 王大勇 李双成 (691). All Rights Reserved.。
综合自适应阈值与多尺度的TV图像修复方法
屈磊;韦穗;梁栋;王年
【期刊名称】《计算机工程》
【年(卷),期】2007(033)022
【摘要】基于TV模型的图像修复算法具有较好的修复效果,但其对参数的选取较敏感,且运算量较大.该文提出了一种综合自适应阈值与多尺度的TV图像修复算法,该方法不仅可以提高TV图像修复模型的修复稳定性,还可以进一步压缩运算量,提高修复速度.
【总页数】3页(P18-20)
【作者】屈磊;韦穗;梁栋;王年
【作者单位】安徽大学计算智能与信号处理教育部重点实验室,合肥,230039;安徽大学计算智能与信号处理教育部重点实验室,合肥,230039;安徽大学计算智能与信号处理教育部重点实验室,合肥,230039;安徽大学计算智能与信号处理教育部重点实验室,合肥,230039
【正文语种】中文
【中图分类】TP391
【相关文献】
1.自适应梯度权值的TV图像修复 [J], 潘舒洁
2.自适应Snake-TV模型在彩色图像修复中的应用 [J], 朱晓临;许云云;李震宇
3.一种基于TV模型的自适应图像修复方法 [J], 邵肖伟;刘政凯;宋璧
4.改进TV-H-1模型的图像修复方法 [J], 何仕文;刘琳;张永强;杨剑哲;石大明;程丹松
5.一种基于微小区域的TV双调和型偏微分方程图像修复方法 [J], 孙俊岭;杨杰因版权原因，仅展示原文概要，查看原文内容请购买。
高阶模型的快速图像修补宋锦萍;郑昌燕【摘要】图像修补是图像复原研究中的一个重要课题。
针对总变分模型在修补图像过程中存在的阶梯效应，将高阶偏微分方程（PDE）引入到图像修补中，采用罚方法及交替极小化算法求解该模型。
通过仿真实验及结果分析说明该模型及算法的有效性和优越性。
%Image inpainting is an important subject in the study of image restoration. In allusion to the staircase effect in the process of total variational model in restoring image, this paper introduces the high-order Partial Differential Equation (PDE)into the image inpainting, then uses the penalty method and the alternating minimization algorithm to solve it. Simulation experiments and result analysis show the effectiveness and superiority of the proposed model and algorithm.【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)011【总页数】4页(P154-157)【关键词】图像修补;总变分模型;高阶模型;罚方法;交替极小化算法【作者】宋锦萍;郑昌燕【作者单位】河南大学数学与信息科学学院，应用数学研究所，河南开封475004;河南大学数学与信息科学学院，应用数学研究所，河南开封 475004【正文语种】中文【中图分类】TP3911 引言图像修补技术是目前国内外研究的热点问题，其主要是针对有划痕、缺陷或破损的图像进行修复，或者从图像中去除文字和制定物体的方法，使修补后的图像接近或达到原图的视觉效果[1-2]。
