- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于曲面特征逼近项的偏微分方程的图像恢复
维普资讯
62 2007,43(26) ComputerEngineeringandApplications计算机工程与应用
基于曲面特征逼近项的偏微分方程的图像恢复
辛 巧 ,刘海宾 ,盛其荣
XINQiao,LIU Hai-bin,SHENGQi-rong
1.新疆大学 数学与系统科学学院,乌鲁木齐 830046
2.鞍山科技大学 数学研究所,辽宁 鞍山 l14044
1.CollegeofMathematicsandSystemScience,XinjiangUniversity,Urumqi830046,China
2.InstituteofApplied Mathematics,University ofAnshan Science and Technology,Anshan,Liaoning l14044,China
E-mail:xinaiccy@163.con
XIN Qiao,LIU Hai—bin,SHENG Qi-rong.Pde—based imagerestoration using surface-featurefidelity term.Computer
EngineeringandApplications,2007,43(26):62-64.
Abstract:Presentsa simple modelto betterpreserve edge ofthe image,by adding a surface—feature fidelity term thatcontrols
the amountofdenoisingin differentregion ofthe image.In the experiment,thismodelcan beused foravariety oftasksin im—
age processingand computervision.
Key words:imagerestoration;surface;nonlineardiffusion;totalvariation
摘 要:通过增加一个基于曲面特征的逼近项来控制在图像不同的区域的消噪量,这样给出了一个更好的保存图像边缘信息的模
型。实验表明,该模型可以大量的应用于图像处理和计算机视觉。
关键词:图像恢复;曲面;非线性扩散 ;全变分
文章编号:1002—8331(2007)26—0062—03 文献标识码:A 中图分类号:TP751.1
1 引言 (盯,盯) (盯,盯)=(l(盯,盯),2(盯,盯),X3(盯,盯))∑一
在过去的十几年里 ,非线生『扩散处理已经被广泛地应用于 这里(盯,盯)表示曲面的局部坐标系,∑和M被看作是带有度
图像恢复。PeronaandMalik(PM)…提出如下形式的非线性扩 量的黎曼流形,在这里考虑如下特殊的坐标系和∑的选择 :
散发方程: 盯。,,盯= ( X2)是经典的迪卡尔坐标系。
∑=n,n是经典的迪卡尔坐标系下的图像域。
U=div(c(Iu1) U) (1)
这里c是关于梯度的非负递减函数。 X(x。,X2)=( M( )),这里u(x,,X2)是图像的灰度值。
r—— ——
特别的,令 c(5)=l/s,并且增加一个逼近项 ,可以得到 ∑的度量是、/ +dx:,可以推导出∑上的度量如下:ds=
Rudin—Osher-Fatem的全变分(Tv)模型 : r — — — — —— — — — — — —
Wx+:
文档评论(0)