导读:本文包含了各向异性扩散模型论文开题报告文献综述及选题提纲参考文献，主要关键词:自适应增强,各向异性扩散,Facet模型,Hessian矩阵
各向异性扩散模型论文文献综述
陈宇蝶,陈青青,陆星家[1]（2019）在《基于Facet模型的各向异性扩散模型研究》一文中研究指出提出了一种自适应各向异性扩散方法,该方法利用Facet模型拟合图像,减少了噪声对于各向异性增强的影响,同时利用Hessian矩阵的特征值的平方和作为传导参数的选择标准。在整个扩散过程,该方法可以根据图像内容自适应的处理噪声和选择传导参数;另外,该方法对于迭代次数的选择不敏感。实验结果显示,该方法比传统的各向异性增强算法有更好的效果。(本文来源于《宁波工程学院学报》期刊2019年03期）
安娜（Dubrovskaia,Anna）[2]（2019）在《基于几何特征的各向异性扩散方程彩色图像处理模型》一文中研究指出在本论文中我提出新的彩色图像去噪模型。它关键地基于图像的几何结构及特点。我考虑各向异性的、非线性的、非均质的扩散过滤,带叁种特征值模型。特征值定义得利用图像结构的材料基于综合便微分分析在Riemann几何意义下,因此它能使最薄的元素保存,同时使噪声去除。我考虑两个相关的问题,一个是使能量泛函极小化,另一个是解决扩散偏微分方程Neumann第二初边值问题。本文中对两个模型都被提出并仔细地研究相关的理论基础。数值实验表明提出的模型对中等噪声效果其实很高,且它有强功能以保护图像的各种元素及构造。它的效果比其它存在的去噪模型更高,因此可建议利于实际问题。本论文的第一章研究彩色图像处理的各种模型,考虑本问题的应用意义并简单介绍研究的历史。从这章中可以了解各向异性扩散的其它应用方法,也可以了解利用扩散偏微分方程这思想的发展。在第叁项是最重要的概念及理论结果的介绍。第二章是考虑去噪的过程从使能量泛函极小化的办法。这里我证明本方法有适定性,利用两种理论:一个是凸函数的理论,另外一个是抛物方程理论。这章中完全证明能量泛函问题对彩色图像去噪问题的应用的意义深。以能量分析为基,我能基于欧拉拉格朗日方程和最小二乘法推广扩散过程的理论基础。在第叁章我考虑扩散偏微分方程加初边值条件,证明这问题也是适定的,而且相关的解满足弱比较原理,且有其它关键的性质。我把黎曼几何的概念及知识推论到图像处理这方面,因此利用第一基本形式和重要的黎曼流形的结构,通过流形上的几何特征计算,进行各向异性扩散的过程。最后在第四章提供数值实验结果,因此表明本模型对彩色图像处理的高效及现代性。第四章的数值实验证明了本文所提到的理论结论实际性。对各种有名的和新提出的彩色图像加较小的噪声,扩散过滤都能达到具有原始图像的特点的去噪图像。跟已存在的本科学方向的模型的比较分析也说明提出的模型优点很明显。本论文的目的是提供需要比较快且无需要太大的计算量的彩色图像处理的软件,为了解决各种医学,生意或军事的实际上的问题。总结所理论及数值的结果,我可以说这目的是成功达到的。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
陈文斌,王燕玲,王娜,刘祎,张权[3]（2018）在《基于自适应阈值参数的改进各向异性扩散模型》一文中研究指出针对传统的各向异性扩散PM模型在对图像去噪时会产生阶梯效应,并且会丢失细节的问题,提出了一种改进的各向异性扩散IPM模型.该模型用梯度模、局部方差以及基于差分曲率的自适应边缘阈值参数构造了新的扩散系数,在边缘、细节、平坦区域进行不同强度的扩散.实验结果表明,IPM模型在去噪的同时不仅能有效保持边缘、细节等信息,还能克服阶梯效应,与其他基于偏微分方程的图像降噪算法相比,信噪比(SNR)、峰值信噪比(PSNR)和平均结构相似度(MSSIM)都得到了提高.(本文来源于《中北大学学报(自然科学版)》期刊2018年05期）
丁亚庆[4]（2017）在《基于分数阶各向异性扩散模型的图像去噪方法研究》一文中研究指出在图像去噪处理中,因为噪声和边缘都集中在图像的高频区域,在去除噪声的同时往往会使原图像的边缘细节丢失,影响后续图像的特征提取、图像理解。因此,在去噪过程中尽可能地保护图像边界和保留图像纹理细节是一个关键问题。在分析完传统图像去噪方法的优缺点,针对保留纹理细节和去除噪声的问题,以各向异性扩散模型为基础,结合分数阶导数提出了两种新的去噪模型,为了加快计算速度,图像的分数阶导数采用Fourier变换的方法求解,并分析了微分阶数对去噪结果以及迭代次数的影响,主要工作如下:一、基于传统的各向异性扩散模型,论文结合分数阶微分在边缘检测中的优势提出了一种减弱噪声干扰的分数阶各向异性扩散模型。首先分析了微分阶数对模型去噪效果的影响,归纳总结出了变化规律,在此基础上重新设计了基于分数阶导数的扩散函数,实验结果表明本方法在提升去噪效果的同时也极大地提高了运算速度,去噪结果与其他经典方法相比也具有一定的优势。二、以分数阶扩散模型为基础,考虑到该模型对于不同的图像参数的选取会有差异,提出了基于分数阶扩散和整数阶扩散的混合扩散模型。通过实验结果分析给出了模型中参数选取的方法,并且对于不同的图像具有统一性,同时该模型对不同类型的图像都具有比较好的去噪效果,综合了去噪能力和处理速度两方面的优势。研究结果表明,本文所提模型在去噪结果和处理速度这两方面都有较大的提升。(本文来源于《南京信息工程大学》期刊2017-06-01）
刘彪[5]（2016）在《一种改进的各向异性扩散模型》一文中研究指出各项异性扩散方程是一种经典的图像去噪方法,但该方法在去除噪声的过程中会造成一定程度的模糊边缘。对此文中提出了一种基于改进的各向异性扩散方程的图像去噪方法,通过在其能量泛函的目标函数中添加残差项,使能量泛函的极小解更加接近原始的函数,可取得比其更好的去噪效果。文中方法可看作是各项异性扩散方程和全变差模型的结合。实验表明,新提出的方程相对经典的方程有较好的边界处理效果和更高的信噪比。(本文来源于《电子科技》期刊2016年08期）
戴维,王海旭[6]（2016）在《基于各向异性扩散模型的一种改进在图像降噪中的应用》一文中研究指出为了提高P-M模型图像降噪方法的效果,本文利用了图像的一阶和二阶微分算子构造新的扩散函数,提出一种新的改进的P-M模型的图像降噪方法。将这种新的P-M模型应用于海底小目标声呐图像降噪,与其他方法降噪后的结果比较。本文在细节保持能力、降噪能力本文方法具有明显的优势;实验表明,本文方法有较好降噪能力。(本文来源于《数字技术与应用》期刊2016年04期）
郭业才,周林锋[7]（2015）在《基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究》一文中研究指出在图像去噪过程中,大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘,当边缘部分被噪声严重污染时,这些方法不能有效检测出这些边缘,因而无法保留边缘特征.为了较完整的保留图像的区域信息,用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理,得到图像熵序列,并将图像熵序列作为边缘检测算子引入到扩散方程中,不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端,而且能较完整地保留图像的区域信息.然后,用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值,设计最佳阈值控制扩散强度,建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD).分析与仿真结果表明,该模型与经典模型相比,保留了更多的图像信息,能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息,较完整的保留了图像的区域信息,性能指标同样也证实了新模型的优越性.另外,该模型的运行时间较经典模型的短,因此,该模型是一个理想的模型.(本文来源于《物理学报》期刊2015年19期）
杨莹莹[8]（2015）在《图像去噪的保细节各向异性扩散模型研究》一文中研究指出图像能够用一种简单、紧凑并且广阔的方式来描述我们所处的客观世界,因此可以说整个社会就是图像社会。为了获取质量较高的图像,数字图像处理和分析起着至关重要的作用。图像去噪作为最早关注的问题之一,如今仍是许多应用领域重要的预处理过程。图像去噪和计算机视觉这两个学科的发展有着紧密的联系。随着科技日新月异的进步,传统的各种滤波算法已经不能满足人们日益渐增的高质量图像的需求。如今,众多精确复杂的数学工具已经得到了广泛重视,偏微分方程(PDE)作为数学分析中的一个最重要的部分,已经被大量地应用在图像处理和分析领域。传统的图像滤波算法在平滑图像噪声的同时,会或多或少的造成图像细节部分(纹理、弱边缘等)的丢失或模糊,导致去噪效果的不理想。基于非线性扩散方程的图像去噪方法,能够有效地抑制图像中的噪声,因此越来越受到广大研究者的推崇。各向异性扩散是基于非线性PDE的图像去噪方法中的一个热门的研究领域,其中扩散系数决定着扩散的方式和程度。该系数通常依赖于图像的某些局部特征,这使得它能够自适应的实现图像平坦部分的去噪和边缘部分的保留或增强。经典的P-M模型和全变分(TV)模型都是利用图像的局部特征(梯度模值),构造一个扩散函数或作为图像平滑性的度量,来实现图像的去噪。但是由于图像细节特征考虑的不周全,这些去噪模型就容易在去除噪声的同时造成纹理、弱边缘部分的丢失或模糊。为了在去噪的同时保留更多有意义的弱边界、细节或其他低对比度的特征,本文建立了一个新的保细节-平滑噪声的PDE。该方程是基于P-M模型中扩散系数的改进并结合曲线演化的理论提出的,它由一个扩散项和一个图像自适应保真项组成。扩散项通过归一化方差的加入,改进扩散系数,达到去除干扰噪声的目的;自适应保真项的加入,能够实现有选择的去噪和锐化图像边缘部分的目的。实验结果表明,该模型能够有效去除噪声,同时能较好保持图像的细节特征信息。(本文来源于《重庆大学》期刊2015-05-01）
刘孝艳,冯象初,赵晨萍[9]（2015）在《Sobolev广义度量下的各向异性扩散模型》一文中研究指出给出了Sobolev空间的一种广义度量,在该度量下提出了一个新的各向异性增强、扩散方程.广义度量中的变系数,较好地控制了方程的扩散行为,使得新模型不仅能有效增强图像的细节特征,而且能在噪声去除和边缘保护之间取得较好的平衡,同时给出了相应的隐式离散算法.仿真实验结果表明,新模型和算法是行之有效的.(本文来源于《自动化学报》期刊2015年02期）
彭杨[10]（2016）在《结合自适应保真项的各向异性扩散模型》一文中研究指出为了在去除噪声的同时,对图像更好的保真,在各向异性扩散模型的基础上,提出了结合自适应保真项的各向异性扩散模型。该模型能够很好地抑制边缘上的噪声和强噪声。实验结果表明,该模型不仅能有效去除噪声,而且对图像细节、边缘也能很好的保真。(本文来源于《计算机工程与应用》期刊2016年07期）
各向异性扩散模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在本论文中我提出新的彩色图像去噪模型。它关键地基于图像的几何结构及特点。我考虑各向异性的、非线性的、非均质的扩散过滤,带叁种特征值模型。特征值定义得利用图像结构的材料基于综合便微分分析在Riemann几何意义下,因此它能使最薄的元素保存,同时使噪声去除。我考虑两个相关的问题,一个是使能量泛函极小化,另一个是解决扩散偏微分方程Neumann第二初边值问题。本文中对两个模型都被提出并仔细地研究相关的理论基础。数值实验表明提出的模型对中等噪声效果其实很高,且它有强功能以保护图像的各种元素及构造。它的效果比其它存在的去噪模型更高,因此可建议利于实际问题。本论文的第一章研究彩色图像处理的各种模型,考虑本问题的应用意义并简单介绍研究的历史。从这章中可以了解各向异性扩散的其它应用方法,也可以了解利用扩散偏微分方程这思想的发展。在第叁项是最重要的概念及理论结果的介绍。第二章是考虑去噪的过程从使能量泛函极小化的办法。这里我证明本方法有适定性,利用两种理论:一个是凸函数的理论,另外一个是抛物方程理论。这章中完全证明能量泛函问题对彩色图像去噪问题的应用的意义深。以能量分析为基,我能基于欧拉拉格朗日方程和最小二乘法推广扩散过程的理论基础。在第叁章我考虑扩散偏微分方程加初边值条件,证明这问题也是适定的,而且相关的解满足弱比较原理,且有其它关键的性质。我把黎曼几何的概念及知识推论到图像处理这方面,因此利用第一基本形式和重要的黎曼流形的结构,通过流形上的几何特征计算,进行各向异性扩散的过程。最后在第四章提供数值实验结果,因此表明本模型对彩色图像处理的高效及现代性。第四章的数值实验证明了本文所提到的理论结论实际性。对各种有名的和新提出的彩色图像加较小的噪声,扩散过滤都能达到具有原始图像的特点的去噪图像。跟已存在的本科学方向的模型的比较分析也说明提出的模型优点很明显。本论文的目的是提供需要比较快且无需要太大的计算量的彩色图像处理的软件,为了解决各种医学,生意或军事的实际上的问题。总结所理论及数值的结果,我可以说这目的是成功达到的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
各向异性扩散模型论文参考文献
[1].陈宇蝶,陈青青,陆星家.基于Facet模型的各向异性扩散模型研究[J].宁波工程学院学报.2019
[2].安娜（Dubrovskaia,Anna）.基于几何特征的各向异性扩散方程彩色图像处理模型[D].哈尔滨工业大学.2019
[3].陈文斌,王燕玲,王娜,刘祎,张权.基于自适应阈值参数的改进各向异性扩散模型[J].中北大学学报(自然科学版).2018
[4].丁亚庆.基于分数阶各向异性扩散模型的图像去噪方法研究[D].南京信息工程大学.2017
[5].刘彪.一种改进的各向异性扩散模型[J].电子科技.2016
[6].戴维,王海旭.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].数字技术与应用.2016
[7].郭业才,周林锋.基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究[J].物理学报.2015
[8].杨莹莹.图像去噪的保细节各向异性扩散模型研究[D].重庆大学.2015
[9].刘孝艳,冯象初,赵晨萍.Sobolev广义度量下的各向异性扩散模型[J].自动化学报.2015
[10].彭杨.结合自适应保真项的各向异性扩散模型[J].计算机工程与应用.2016