×
张燕燕;孙晶晶

基于各向异性扩散方程的改进BM3D算法。 （英语） Zbl 1470.94029号

数学。Biosci公司。工程师。 17，第5期，4970-4989（2020年）.
总结：传统的三维块匹配（BM3D）算法是目前最好的去噪方法之一；然而，它们存在图像边缘振铃的问题，这使得它们无法保护图像边缘和细节。因此，本文针对扩散方程提出了一种BM3D噪声处理算法，以在不影响图像细节（特别是边缘）的情况下降低图像噪声。该方法首先使用各向异性扩散（AD）滤波进行图像预处理，然后使用边缘方向而不是水平方向来搜索相似的块。AD模型主要进行了改进，以获得更好的边缘和详细的处理效果。首先，利用改进的AD方向，在八个方向上实现了5乘5的边缘增强算子模型，并获得了相应的梯度信息。该算子改进了处理后的图像边缘，以获得清晰的轮廓和良好的连续性。其次，介绍了扩散函数的一种新的计算方法，其系数由双曲正切函数构造。所提出的方法基于图像梯度和扩散函数之间的联系，并从数学上证明了扩散函数的收敛速度比由佩罗纳和J.马利克[“使用各向异性扩散的尺度空间和边缘检测”，IEEE Trans.Pattern Anal.Mach.Intell.12，No.7，629–639（1990；doi:10.1109/34.56205)]. 实验结果表明，改进后的模型能够有效地保留图像边缘和纹理细节，避免边缘振铃，并在主观视觉效果和客观数值指标方面提供了显著的改进。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
68单位10 图像处理的计算方法

关键词：

各向异性扩散;扩散函数;边缘检测;图像梯度;三维块匹配算法

软件：

iDUDE公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}和\textit{J.Sun}，数学。Biosci公司。工程17，编号5，4970--4989（2020；Zbl 1470.94029）
全文： 内政部
OA许可证

参考文献：

[1] U.Erkan，D.N.H.Thanh，L.M.Hieu，S.Engíno-lu，图像去噪的迭代平均滤波器，IEEE Access，7（2019），167847-167859。
[2] Z.Wang，X.Tan，Q.Yu，J.Zhu，SAR图像散斑抑制的稀疏PDE，IET图像处理。，11 (2017), 425-432.
[3] Wu，G.Gao，C.Cui，双小波域下基于非凸稀疏正则化的改进小波去噪，IEEE Access，7（2019），30659-30671。
[4] A.Buades，B.Coll，J.M.Morel，图像去噪的非局部算法，2005 IEEE计算。Soc.Conf.计算。视觉。模式识别。，2 (2005), 60-65. ·Zbl 1108.94004号
[5] K.Dabov，A.Foi，V.Katkovnik，K.Egiazarian，稀疏三维变换域协同滤波图像去噪，IEEE Trans。图像处理。，16 (2007), 2080-2095.
[6] H.Zhong，K.Ma，Y.Zhou，使用非局部集中先验的改进BM3D图像去噪算法，信号处理。，106 (2015), 342-347.
[7] B.Shi、Q.Lian、S.Chen、X.Fan
[8] G.Chen，G.Luo，L.Tian，A.Chen，使用自适应块匹配3D滤波对非均匀噪声图像进行降噪，Chin。《电子杂志》。，26 (2017), 1227-1232.
[9] 李毅，张建军，王明明，改进的BM3D去噪方法，IET图像处理。，11 (2017), 1197-1204.
[10] P.Perona，J.Malik，使用各向异性扩散的尺度空间和边缘检测，IEEE Trans。模式分析。机器。智力。，12 (1990), 629-639.
[11] F.Catté，P.L.Lions，J.M.Moresl，T.Coll，《基于非线性扩散的图像选择性平滑和边缘检测》，SIAM J.Numer。分析。，29 (1992), 845-866. ·兹伯利0766.65117
[12] G.Gilboa，N.Sochen，Y.Y.Zeevi，通过复杂扩散过程进行图像增强和去噪，IEEE Trans。模式分析。机器。智力。，26 (2004), 1020-1036.
[13] M.J.Black，G.Sapiro，D.H.Marimont，D.Heeger，《稳健各向异性扩散》，IEEE Trans。图像处理。，7 (1998), 421-432.
[14] V.Bhateja、G.Singh、A.Srivastava、J.Singh，使用基于各向异性扩散的改进电导函数减少超声图像中的斑点，2014年国际Conf.计算。维持。手套。Dev.，IEEE，（2014），619-624。
[15] C.Tsiotsios，M.Petrou，关于图像处理中各向异性扩散参数的选择，模式识别。，46 (2013), 1369-1381.
[16] S.Tebini，Z.Mbarki，H.Seddik，E.B.Breik，基于新的自适应各向异性扩散函数的快速高效图像恢复技术，Digit。信号处理。，48 (2016), 201-215.
[17] T.F.Chan，S.Esedoglu，F.Park，纹理提取和图像恢复问题中阶梯减少的四阶对偶方法，2010 IEEE国际会议图像处理。，香港，（2010），4137-4140。
[18] G.Motta、E.Ordentlich、I.Ramirez、G.Seroussi、M.J.Weinberger，《灰度图像去噪的iDUE框架》，IEEE Trans。图像处理。，20 (2010), 1-21. ·Zbl 1372.94185号
[19] K.Liu，J.Tan，B.Su，基于结构张量的自适应各向异性扩散图像去噪，2014年第五届国际会议数字。霍姆，IEEE，（2014），111-116。
[20] 王永清，郭建国，陈文伟，张文伟，基于方向拉普拉斯的改进Perona-Malik模型图像去噪，信号处理。，93 (2013), 2548-2558.
[21] H.Yu，C.S.Chua，基于GVF的各向异性扩散模型，IEEE Trans。图像处理。，15 (2006), 1517-1524.
[22] 田浩，蔡浩，赖俊华，徐旭，基于差分特征值的有效图像去噪，第18届IEEE国际会议图像处理。，(2011), 3357-3360.
[23] Y.Toufique，R.C.E.Moursli，L.Masmoudi，A.E.Kharrim，M.Kaci，S.Allal，《使用自适应各向异性扩散滤波器的超声图像增强》，第二届中东生物医学会议。工程师，IEEE，（2014），1-4。
[24] H.S.Kim，J.M.Yoo，M.S.Park，T.N.Dinh，G.S.Lee，基于对角线边缘的各向异性扩散，IEEE第九届国际会议高级委员会。技术。，(2007), 384-388.
[25] Z.Mbarki，H.Seddik，S.Tebini，E.B.Braiek，一种新的快速自适应扩散函数，用于自适应各向异性图像去噪和急剧保守边缘，计算。数学。申请。，74 (2017), 1751-1768. ·Zbl 1436.94014号
[26] J.Liu、R.Liu，Y.Wang，J.Chen，Y.Yang，D.Mag，沿边缘方向搜索相似块的图像去噪，信号处理。图像通信。，57 (2017), 33-45.
[27] Y.Zhang，X.Han，H.Zhang，L.Zhao，基于改进Sobel算子的图像融合边缘检测算法，IEEE第三次通知。Technol公司。机电工程会议（ITOEC），（2017），457-461。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。