基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

一种改进的全变分自适应图像去噪模型

目的 比较几种不同的变分图像去噪模型的优缺点,提出一种新的根据局部梯度信息自适应调整光滑性测度的模型.方法 新模型增加了梯度模值与两个门限的比较,小于门限1采用各向同性扩散去噪模型,大于门限2采用TV去噪模型,梯度模值在两个门限之间的采用自适应去噪模型.结果 新模型在强噪声水平下,改善了人眼主观视觉感受,均方误差(MSE)降低了约35,峰值信噪比(PSNR)提高了约2.25dB.结论 新模型改进了原有模型,进一步减少了"阶梯"效应,得到了更好的去噪效果.     

一种保持边缘线的图像修补技术

图像修补是对图像损毁区域进行适当修补以满足人眼视觉要求的一种技术.对于边缘清晰的图像,大部分基于偏微分方程修补模型的修复结果可能会造成边缘的模糊扩散或产生锯齿.为此,提出一种基于拟合和插值的边缘保持方法,通过对边缘线预测保持后再用TV修复模型进行修补.该算法实现速度快,实验证明对边缘的修复效果较好.     

联合各向同性扩散和全变分模型的图像恢复模型

本文首先简单回顾了基于抛物型偏微分方程的图像恢复模型。在此基础上,提出了一个通过可变权重联合各向同性扩散和全变分模型的图像恢复模型,该权重参数依赖于图像曲面的几何特征。最后,通过数值实验论证了算法的有效性。     

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.     

全变分极小与二阶泛函的组合图像恢复模型(英)

通过组合全变分极小泛函与一个二阶泛函得到了新的变分模型，用于图像恢复. 相应的负梯度流是一个四阶偏微分方程.此组合模型兼有TV模型和二阶泛函的长处，能够在保持轮廓的同时避免光滑区域出现“块状“效应.数值实验用的是包含轮廓，平坦区域和光滑区域的图像，实验结果说明了此模型的优越性.     

一种基于LIP的全变分图像去噪新模型

将对数图像处理数学模型应用到图像还原中,采用全变分的方法获得了去除图像乘性噪声的新模型.该模型弥补了现有图像去噪方法的不足,很好地保持了图像的边缘细节特征,并具有与人眼视觉特征相吻合的特点.仿真实验结果表明,与现有的去噪方法相比,新模型很大程度上减小了图像在去噪处理迭代过程中产生的误差,不仅去噪效果更好,而且能很好地保...     

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

GM(1,1)模型建模的一种方法

根据ＧＭ（１ ,１） 模型的特点,通过在原始数据序列前加一个数的方式,提出了ＧＭ（１ ,１） 模型建模的一种方法－ 该方法克服了直接用原始数据序列建立模型的原有方法不能利用第一点数据的缺陷,提高了原始数据利用率,在短数据序列的场合可得到改善的模型结果     

基于改进的相关度的局部图像修复模型

TV模型在修复图像时对整个待修复图像进行迭代,文章提出了针对破损区域进行修复的局部修复模型,大大缩短了修复时间;并在有关改进方法的基础上,引入改进的相关度,使修复效果更好.实验结果表明,在迭代次数相同的条件下,该修复模型比TV模型和有关改进的TV模型的图像修复效果更好,所用时间更短.     

基于自适应中值滤波器和TV修复的椒盐噪声去除

提出一种两步式椒盐噪声去除方法．第一步利用自适应中值滤波器来识别出被噪声污染的候选点;第二步利用一种边缘保持技术（全变差图像修复）来恢复出被噪声污染的点．由于椒盐噪声点的灰度值和原始像素灰度独立,所以在采用恢复技术时不使用噪声点自身的灰度信息．在噪声率不很高的情况下,这种方法可以获得比现有最好方法更高的信噪比;当噪声率高达70％以上时,该方法的信噪比与现有方法非常接近,但是主观视觉效果（例如边缘保持能力）更佳．     

自适应Snake-TV模型在彩色图像修复中的应用

文章在整体变分模型(TV)的基础上引入蛇(Snake)模型,同时考虑待修复区域的形状,提出了自适应Snake-TV模型,并将其应用到灰度图像和彩色图像的修复,该模型能很好地保持图像的视觉连通性.试验结果表明:该算法在迭代次数相同的条件下修复彩色图像的效果比TV模型好得多;与Snake-CDD模型相比,修复效果更好,同时...     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

基于BSCB模型的图像修补算法

在BSCB模型上考虑了图像的梯度以及相应邻点的信息,引入m ax/m in函数,提出用ASG算子代替光滑算子,对BSCB模型进行修改.实验证明,新算法能较好地对图像进行修补,尤其是在保持边缘和角点的特征上效果比较好.     

一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

采用CDD模型的自适应图像修复算法

在CDD模型基础上,提出了一种自适应图像修复算法,引入在不同曲率选择不同修复模型的自适应系数q,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;引入在不同变化程度选择不同扩散方式的自适应系数p,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,而在平坦区,即小梯度时使用接近热扩散的方程,使得修复效果更佳.实验证明该算法在修复速度和修复效果上都要优于CDD模型.     

基于TV模型的改进算法在图像修复中的应用

基于TV(total variation)模型的修复算法有较好的恢复效果,但对参数的选取比较敏感,且运算量大。文章提出了基于TV模型的改进的自适应算法,可根据破损区域外部参考像素对待修补点的相关度,通过设置不同的参数和权值,将不同形状的待修复区域所用的不同算法统一表示,使其应用范围更广、速度更快;此外,在迭代过程中,设置不同的参数以解决参数选取的敏感问题,从而达到更好的修复效果。实验表明,该算法能高效、稳定地处理破损区域的图像信息。     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...