基于分数阶各向异性扩散的图像修复模型(IJIGSP-V8-N10-1)
- 格式:pdf
- 大小:849.99 KB
- 文档页数:10
基于各向异性扩散的DTI图像恢复
张相芬;叶宏;田蔚风
【期刊名称】《医疗卫生装备》
【年(卷),期】2007(028)005
【摘要】为了消除扩散加权图像中广泛存在的莱斯噪声,采用了各向异性扩散方程--P&M扩散方程.采用不同形式ψ函数的P&M扩散方程进行了图像恢复,并进行了除噪性能比较.基于蒙特卡罗的模拟仿真实验和基于真实数据的实验结果表明:倒数形式ψ函数的P&M扩散方程在较广泛的信噪比范围内,具有更好的去噪性能.【总页数】3页(P25-26,31)
【作者】张相芬;叶宏;田蔚风
【作者单位】上海师范大学机电学院,上海市,201418;上海交通大学,上海
市,200030;上海师范大学机电学院,上海市,201418;上海交通大学,上海市,200030【正文语种】中文
【中图分类】R445
【相关文献】
1.基于总变分和各向异性扩散方程的图像恢复模型 [J], 李敏;冯象初
2.基于多通道小波的DTI图像恢复 [J], 张相芬;田蔚风;陈武凡;叶宏;于金兰
3.基于像素预判的各向异性扩散并行图像恢复 [J], 郭静;田有先
4.基于复扩散过程的DTI图像恢复和纤维追踪 [J], 张相芬;张洪梅;田蔚风
5.基于改进的各向异性扩散的DWI图像恢复 [J], 张相芬;田蔚风;叶宏
因版权原因,仅展示原文概要,查看原文内容请购买。
基于全变分模型改进的图像修复算法应用谢正伟;王创新【摘要】传统全变分(TV)模型对非纹理破损图像有较好的修复效果,但TV算法对参数敏感,导致修复图像容易在平滑区域产生阶梯效应.文中在传统Trv模型的基础上,结合非线性扩散的思想,提出了一种针对参数的自适应迭代函数图像修复算法.实验结果表明,该算法在修复过程中扩散系数和自适应迭代函数的共同作用,消除了阶梯效应;修复的图像自然过渡,边缘信息保存良好.【期刊名称】《电子科技》【年(卷),期】2017(030)001【总页数】5页(P61-64,68)【关键词】TV模型;图像修复;非线性扩散;自适应【作者】谢正伟;王创新【作者单位】长沙理工大学电气与信息工程学院,湖南长沙410004;长沙理工大学电气与信息工程学院,湖南长沙410004【正文语种】中文【中图分类】TP391.41图像修复[1-2]是数字图像处理的一个分支。
是利用已破损的图像信息,使图像破损部分还原并修复。
图像修复技术分为两大类:一类是基于纹理的图像修复算法[4],该算法包含基于图像分解的采样纹理合成的修复技术和基于块思想的纹理图像修复技术;另一类是非纹理图像修复技术即基于偏微分数理方程(PDE)修复算法,PDE算法的图像修复是一个非适定(病态)问题[5]。
为使修复后的图像人眼看起来“自然”,文献[6]中,提出了PDE图像修复算法的3准则:局域性、边缘连通性和去噪的鲁棒性。
具有代表性的偏微分图像修复算法有曲率驱动扩散(CDD)修复算法[7-8]、BSBC修复算法[9]、全变分(TV)修复算法[10]。
这类算法将PDE进行数值化并进行差分转换,最后通过迭代求解偏微分方程。
Chan[6]等将TV去噪复原算法进行扩展,将TV算法运用到图像修复中。
因此基于TV模型的图像修复算法成为近年来研究的热点。
由于算法对参数的敏感和运算量较大,提出了一个针对参数的自适应迭代函数,并结合了非线性的思想,使得改进后的算法加快了图像的修复速度并具有良好的鲁棒性。
改进的各向异性扩散图像去噪算法
肖丹;黄玉清
【期刊名称】《自动化仪表》
【年(卷),期】2017(038)007
【摘要】图像去噪是图像处理中的重要环节,经典的图像去噪算法,如中值滤波、高斯滤波和加权平均滤波等,去噪效果都不是很理想.传统方法在去除噪声的同时,会使图像的边缘也变得模糊.偏微分方程(PDE)是近年比较流行的图像处理方法,它具有各向异性的特点,在去除噪声的同时,能很好地保持图像的边缘.基于现有算法,提出了一种改进的去噪算法.将传统P-M算子中的固定边缘阈值改为随梯度模变化的自适应阈值,并结合图像结构张量构造一个扩散函数.在图像平坦区,改进的P-M模型具有各向同性的特点,有利于平滑噪声;而在图像边缘处,该模型只沿切线方向扩散,有利于保护图像细节.试验表明,改进的P-M模型能很好地改善图像去噪效果,同时也能很好地保持图像的边缘.
【总页数】3页(P1-3)
【作者】肖丹;黄玉清
【作者单位】西南科技大学信息工程学院,四川绵阳621010;西南科技大学信息工程学院,四川绵阳621010
【正文语种】中文
【中图分类】TH7;TP391
【相关文献】
1.基于改进各向异性扩散冲击滤波器模型的图像去噪 [J], 黄淑英;杨勇
2.一种改进的基于各向异性扩散方程的图像去噪方法 [J], 罗莎;韦大欢
3.一种改进的各向异性扩散超声图像去噪算法 [J], 王亚强;陈波
4.基于改进的各向异性扩散图像去噪算法研究 [J], 洪志强;张立亭;陈竹安;吴龙华;陈大凯
5.改进非局部均值各向异性扩散图像去噪算法 [J], 王磊;王敏;张鹏程;任时磊;高晓玲;桂志国
因版权原因,仅展示原文概要,查看原文内容请购买。
基于各向异性扩散滤波与非局部先验的PET图像重建算法张权;刘祎;马杰
【期刊名称】《测试技术学报》
【年(卷),期】2012(026)002
【摘要】针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.
【总页数】7页(P98-104)
【作者】张权;刘祎;马杰
【作者单位】中北大学电子测试技术国家重点实验室,山西太原030051;中北大学电子测试技术国家重点实验室,山西太原030051;北方科技信息研究所,北京100089
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于解剖自适应的非局部先验贝叶斯PET图像重建 [J], 路利军;马建华;黄静;毕一鸣;刘楠;陈武凡
2.新型非局部平均滤波修正的CT图像重建算法 [J], 胡洁;陈梓嘉;骆毅斌
3.基于解剖非局部先验的模糊扩散PET重建算法 [J], 上官宏;刘祎;张权;桂志国
4.基于非局部方向性核先验的PET图像Bayesian重建 [J], 李印生;陈阳;罗立民;陈武凡;陈芳;宋培维
5.一种基于形态滤波器的PET图像重建算法 [J], 何骞;陈再师
因版权原因,仅展示原文概要,查看原文内容请购买。
一种基于各向异性扩散的图像处理方法
汪继文;林胜华;沈玉峰;邱剑锋
【期刊名称】《计算机技术与发展》
【年(卷),期】2008(018)008
【摘要】图像修复的方法有很多种,目前最常用的有基于偏微分方程(PDE)和基于纹理合成的修复方法.在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复.在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息.通过数值实验也表明该方法的有效性.
【总页数】3页(P98-100)
【作者】汪继文;林胜华;沈玉峰;邱剑锋
【作者单位】安徽大学,计算机科学与技术学院,安徽,合肥,230039;安徽大学,计算机科学与技术学院,安徽,合肥,230039;安徽大学,计算机科学与技术学院,安徽,合肥,230039;安徽大学,计算机科学与技术学院,安徽,合肥,230039
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于核函数的各向异性扩散图像去噪算法 [J], 杨平先;陈明举
2.基于各向异性扩散模型的一种改进在图像降噪中的应用 [J], 戴维;王海旭
3.一种改进的基于各向异性扩散方程的图像去噪方法 [J], 罗莎;韦大欢
4.一种基于各向异性扩散的图像分割算法研究 [J], 陈金林;刘谢进
5.基于各向异性扩散模型的一种改进在图像降噪中的应用 [J], 戴维;王海旭
因版权原因,仅展示原文概要,查看原文内容请购买。
基于各向异性信息扩散的图像修复方法
李金;李晓博
【期刊名称】《应用科技》
【年(卷),期】2008(035)009
【摘要】图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏.基于偏微分方程的修复模型可以利用待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑噪声,但其算法实现比较复杂,执行速度很慢,并且稳定性不好.针对这一问题采用改进方案,简化了模型,直接利用各向异性扩散方程进行图像修复.该方法获得了较好的实验结果.
【总页数】4页(P58-61)
【作者】李金;李晓博
【作者单位】哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TN918
【相关文献】
1.基于CUDA的各向异性热传导模型的图像修复 [J], 周冰园;陈庆奎
2.基于各向异性插值模型的快速图像修复方法 [J], 陈仁喜;李鑫慧
3.基于正态信息扩散原理的极值型工程参数概率分布推断方法 [J], 宫凤强;王天成;
黄天朗
4.基于二维云信息扩散和三维信息扩散的台风灾害风险估计 [J], 徐庆娟;潘金兰;刘合香
5.基于各向异性热传导模型的自适应图像修复 [J], 秦川;王朔中;张新鹏
因版权原因,仅展示原文概要,查看原文内容请购买。
各向异性扩散图像去噪的改进模型郑满满;胡小兵;郑申海【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)018【摘要】图像去噪过程中,为了在有效平滑噪声的同时较好地保护图像的边缘和细节,在Cattle平滑模型基础上,对扩散系数作出改进,提出了更有效的自适应去噪模型。
该模型不仅针对不同的梯度大小采用了不同的扩散系数,而且将边缘锐化因子二阶偏导引入到扩散系数中。
而在图像质量评判标准中,提出了基于相关系数函数的最佳停止时间评判准则。
实验结果表明,改进的模型优于C模型,且能更好地吻合评判准则。
%In the process of image denoising, in order to remove noise effectively and preserve edges and key details, the diffu-sion coefficient based on the Cattle model is improved and a more effective adaptive denoising model is proposed. The model can not only adopt different diffusion coefficient according to different sizes of the gradient but also lead the edge sharping fac-tor of second order partial deviation into the diffusion coefficient. The best stop time evaluation criteria based on correlation co-efficient is proposed in the mean time. The experimental results show that the improved model is superior to C model, and can better coincide with the judge standard.【总页数】4页(P130-133)【作者】郑满满;胡小兵;郑申海【作者单位】重庆大学数学与统计学院,重庆,401331;重庆大学数学与统计学院,重庆,401331;重庆大学数学与统计学院,重庆,401331【正文语种】中文【中图分类】TP391【相关文献】1.改进的各向异性扩散图像去噪算法 [J], 肖丹;黄玉清2.基于双边滤波的各向异性扩散方程图像去噪 [J], 许冠军;喻晓3.基于各向异性扩散滤波的图像去噪研究 [J], 莫绍强4.结合局部方差信息的各向异性扩散图像去噪算法研究 [J], 吴龙华;洪志强;闫晓天5.改进非局部均值各向异性扩散图像去噪算法 [J], 王磊;王敏;张鹏程;任时磊;高晓玲;桂志国因版权原因,仅展示原文概要,查看原文内容请购买。
基于八邻域的自适应高阶变分图像修复算法
徐黎明;吴亚娟;张波
【期刊名称】《图学学报》
【年(卷),期】2017(038)004
【摘要】针对传统的变分偏微分图像修复算法的信息利用不充分、纹理被破坏及人工干预较强等问题,提出一种基于八邻域的自适应高阶变分图像修复算法.该算法充分利用受损图像待修复点像素的八邻域信息,将其分为两组四邻域,在每组四邻域中分别采用非线性各向异性扩散方式进行扩散.通过自适应方法确定每组四邻域中利于修复的最佳p值,根据中心差分方法进行离散化后,最后利用加权平均的方式获得受损图像的高斯-雅克比修复迭代式.仿真实验结果表明,与近几年的一些图像修复算法相比,该算法获得的图像具有良好的评价,PSNR值和SA值最高、修复时间较短、纹理结构与原始图像最接近.
【总页数】8页(P558-565)
【作者】徐黎明;吴亚娟;张波
【作者单位】西华师范大学计算机学院,四川南充 637009;西华师范大学计算机学院,四川南充 637009;西华师范大学计算机学院,四川南充 637009
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于八邻域的自适应高阶变分图像修复算法 [J], 徐黎明;吴亚娟;张波;;;
2.基于全变分模型改进的图像修复算法应用 [J], 谢正伟;王创新
3.基于八邻域的自适应P-Laplace图像修复算法 [J], 张波;徐黎明
4.基于八邻域的自适应P-Laplace图像修复算法 [J], 张波;徐黎明
5.基于邻域关联因子耦合信息度量规则的图像修复算法 [J], 常国锋;许利军
因版权原因,仅展示原文概要,查看原文内容请购买。