[2018年最新整理]基于偏微分方程的图像处理方法.pptVIP

基于偏微分方程的图像处理方法 ( Partial Differential Equations, 简称PDE ) 从高斯平滑算子导出的偏微分方程 ——热传导方程( Witkin ) 　　　　　　 偏微分方程的去噪原理 常用的偏微分方程去噪模型 ——由线性模型到非线性模型的发展 常用的偏微分方程去噪模型 ——由各向同性模型到各向异性模型的发展 偏微分方程的数值解法 ——对连续的微分方程进行离散差分求解 耦合偏微分方程 耦合偏微分方程 偏微分方程的图像处理方法的优点 图像复原，就是利用使获得的图像产生退化的先验知识，建立退化图像数学模型，然后沿着图像退化的逆过程加以重建和复原，以获得“清晰和干净”的图像。 偏微分方程图像复原方法的主要思想： 利用图像的已知信息来填充待修复区域内的已经丢失的或破损的信息，从而得到完整的图像。而要填充未知区域的信息，就需要把待修复区域边界上的信息扩散到区域中去。这个过程可以借助偏微分方程的扩散来实现。 基于热传导方程的图像修复方法： 同时完成滤波和修复任务： 直方图均衡化增强 基于偏微分方程的直方图均衡化增强 ( Sapiro ) 其中 A[?]代表面积（对于离散图像而言，它代表像素数目） 当演化方程达到稳定时，对于任意 且 ，有 即图像的直方图趋于均衡分布。 根据变分原理，解Euler方程，得到： 根据梯度下降流得到偏微分方程： u和v的解通过迭代方程的离散数值解来完成。 四、基于偏微分方程的骨架线提取方法 结合简单图形进行分析 图1 原图 四、基于偏微分方程的骨架线提取方法 图2 初始梯度场 图3 调整后的梯度场 应用结果 四、基于偏微分方程的骨架线提取方法 原始图像 直方图均衡化增强后图像 五、基于偏微分方程的图像增强方法 五、基于偏微分方程的图像增强方法 (a) 原始图像及其直方图 (b) PDE增强图像及其直方图 五、基于偏微分方程的图像增强方法 (a) 原始图像 (b) PDE同时增强和滤波后的图像 五、基于偏微分方程的图像增强方法 二值化 图像分割 边缘检测 六、基于偏微分方程的其它图像处理方法 谢谢！ * * * 基于偏微分方程的图像处理方法 基于偏微分方程的图像处理方法 电子与信息工程学院 张芳 hhzhangfang@126.com 背景介绍 基于偏微分方程的图像滤波方法 基于偏微分方程的图像复原方法 基于偏微分方程的图像骨架线提取方法 基于偏微分方程的图像增强方法 基于偏微分方程的其它图像处理方法 汇报提纲 数字图像 像素的灰度值 引 言 定义 图像u ——————— 连续信号 图像处理操作F ——— 偏微分算子 原始图像I ————— 初始条件 结果图像u ————— 方程的解 应用 图像滤波、图像修复、对比度增强、提取骨架线、 二值化、边缘检测、图像分割等。 一、背景介绍 从高斯平滑算子导出的偏微分方程 偏微分方程 滤波模型的导出 从最优化的问题出发，即变分方法导出的偏微分方程 二、基于偏微分方程的图像滤波方法 不足：各向同性扩散方程。 在各个方向上同等扩散，滤波的同时破坏图像内容， 即图像边缘。 高斯滤波 高斯滤波器 热传导方程 二、基于偏微分方程的图像滤波方法 从最优化的问题出发，即变分方法导出的偏微分方程 变分图像去噪方法通过引入能量函数，将图像去噪问题转化成泛函求极值问题，即变分问题。变分法是研究泛函求极值问题的方法，它的主要步骤为： 第一步，从物理问题上建立泛函及其约束条件； 第二步，通过泛函变分，求得欧拉－拉格朗日方程； 第三步，在边界条件下求解，即求解微分方程。 二、基于偏微分方程的图像滤波方法 建立泛函及约束条件 变分，求欧拉/拉格朗日方程 求解微分方程 从最优化的问题出发，即变分方法导出的偏微分方程 二、基于偏微分方程的图像滤波方法 从空域角度讲 从频域角度讲 高频成分保留少 低频成分保留多 高斯平滑滤波 利用高斯函数对邻域内的点进行加权平均来实现去噪 二、基于偏微分方程的图像滤波方法 控制平滑量 在图像特征多的区域应该尽可