Sobolev 广义度量下的各向异性扩散模型

刘孝艳; 冯象初; 赵晨萍

doi:10.16383/j.aas.2015.c140564

Sobolev 广义度量下的各向异性扩散模型

doi: 10.16383/j.aas.2015.c140564

1.
西安电子科技大学数学与统计学院西安 710126;
2.
西安石油大学理学院西安 710065

基金项目:

国家自然科学基金(61271294,61362029,61379030,61472303)资助

详细信息

作者简介:
冯象初西安电子科技大学数学与统计学院教授. 1999 年获西安电子科技大学理学博士学位. 主要研究方向为数值分析, 小波, 图像处理的偏微分方程方法.E-mail: xcfeng@mail.xidian.edu.cn

通讯作者:
刘孝艳西安电子科技大学数学与统计学院博士研究生, 西安石油大学理学院讲师. 主要研究方向为变分及偏微分方程在图像处理中的应用. 本文通信作者.E-mail: feng2001410@163.com

计量
- 文章访问数: 1771
- HTML全文浏览量: 87
- PDF下载量: 1495
- 被引次数: 0
出版历程
- 收稿日期: 2014-08-08
- 修回日期: 2014-11-15
- 刊出日期: 2015-02-20

Anisotropic Diffusion Model Based on Generalized Metric in Sobolev Space

1.
School of Mathematics and Statistics, Xidian University, Xi'an 710126;
2.
Faculty of Science, Xi'an Shiyou University, Xi'an 710065

Funds:

Supported by National Natural Science Foundation of China (61271294, 61362029, 61379030, 61472303)

摘要

摘要: 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.
- 图像增强 /
- 图像扩散 /
- 偏微分方程 /
- 各向异性扩散 /
- Sobolev空间
Abstract: A generalized metric is defined in Sobolev space, based on which an anisotropic sharpening/diffusion equation is presented. Since the space-varying coefficient of the generalized metric can control the diffusion behavior better, the proposed model can not only highlight the image detail effectively but also achieve a good balance between noise removal and edge preservation. The corresponding implicit algorithm is then developed. Simulation results show that the new model and algorithm are feasible.
- Image sharpening /
- image diffusion /
- partial differential equation /
- anisotropic diffusion /
- Sobolev space

HTML全文

参考文献(25)

[1]	Witkin A P. Scale-space filtering. In: Proceedings of the 8th International Joint Conference on Artificial Intelligence. Karlsruhe, Germany: Morgan Kaufmann, 1983. 1019-1021
[2]	[2] Witkin A P. Scale-space filtering: a new approach to multi-scale description. In: Proceedings of the 1984 IEEE International Conference on Acoustics, Speech, and Signal Processing. San Diego, USA: IEEE, 1984. 150-153
[3]	[3] Perona P, Malik J. Scale-space and edge detection using anisotropic diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12(7): 629-639
[4]	[4] Calder J, Mansouri A, Yezzi A. Image sharpening via sobolev gradient flows. SIAM Journal on Imaging Sciences, 2010, 3(4): 981-1014
[5]	[5] Calder J, Mansouri A. Anisotropic image sharpening via well-posed Sobolev gradient flows. SIAM Journal on Mathematical Analysis, 2011, 43(4): 1536-1556
[6]	[6] Catt F, Lions P L, Morel J M, Coll T. Image selective smoothing and edge detection by nonlinear diffusion. SIAM Journal on Numerical Analysis, 1992, 29(1): 182-193
[7]	[7] You Y L, Kaveh M. Fourth-order partial differential equations for noise removal. IEEE Transactions on Image Processing, 2000, 9(10): 1723-1730
[8]	[8] Bai J, Feng X C. Fractional-order anisotropic diffusion for image denoising. IEEE Transactions on Image Processing, 2007, 16(10): 2492-2502
[9]	Zhai Dong-Hai, Yu Jiang, Duan Wei-Xia, Xiao Jie, Li Fan. Improved image denoising algorithm using UK-flag shaped anisotropic diffusion model. Journal of Computer Applications, 2014, 34(5): 1494-1498(翟东海, 鱼江, 段维夏, 肖杰, 李帆. 米字型各向异性扩散模型的图像去噪算法. 计算机应用, 2014, 34(5): 1494-1498)
[10]	Osher S, Rudin L I. Feature-oriented image enhancement using shock filters. SIAM Journal on Numerical Analysis, 1990, 27(4): 919-940
[11]	Alvarez L, Mazorra L. Signal and image restoration using shock filters and anisotropic diffusion. SIAM Journal on Numerical Analysis, 1994, 31(2): 590-605
[12]	Terebes R, Borda M, Germain C, Lavialle O. A novel shock filter for image restoration and enhancement. In: Proceedings of the 20th European Signal Processing Conference. Bucharest, Romania: IEEE, 2012. 255-259
[13]	Xu Huan-Yu, Sun Quan-Sen, Chen Qiang, Luo Nan, Xia De-Shen. Blind image restoration using half Gaussian kernel based shock-diffusion filter. Acta Automatica Sinica, 2014, 40(6): 1166-1175(徐焕宇, 孙权森, 陈强, 罗楠, 夏德深. 使用半高斯核的冲击扩散滤波图像盲复原方法. 自动化学报, 2014, 40(6):1166-1175)
[14]	Magnier B, Xu H, Montesinos P. Half Gaussian kernels based shock filter for image deblurring and regularization. In: Proceedings of the 8th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications. Barcelone, France: Springer, 2013.
[15]	Gilboa G, Sochen N, Zeevi Y Y. Forward-and-backward diffusion processes for adaptive image enhancement and denoising. IEEE Transactions on Image Processing, 2002, 11(7): 689-703
[16]	Rudin L I, Osher S, Fatemi E. Nonlinear total variation based noise removal algorithms. Physica D, 1992, 60(1-4): 259-268
[17]	Ji X P, Zhang D Z, Guo Z C, Wu B Y. Image denoising via nonlinear hybrid diffusion. Mathematical Problems in Engineering, 2013, 2013, Article ID 890157
[18]	Zhang Shan-Qing, Zhang Kun-Long. Texture image segmentation model based on eigenvalues of structure tensor. Acta Electronica Sinica, 2013, 41(7): 1324-1328(张善卿, 张坤龙. 基于结构张量特征值的纹理图像分割模型. 电子学报, 2013, 41(7): 1324-1328)
[19]	Xiong Hui, Lai Jian-Huang. Equalized net diffusion model based on the anisotropy diffusion. Journal of Image and Graphics, 2013, 18(7): 731-737(熊辉, 赖剑煌. 各向异性的均衡化网状扩散模型. 中国图象图形学报, 2013, 18(7): 731-737)
[20]	Cai J F, Osher S, Shen Z W. Linearized Bregman iterations for compressed sensing. Mathematics of Computation, 2009, 78(267): 1515-1536
[21]	Wang Z, Bovik A C, Sheikh H R, Simoncelli E P. Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing, 2004, 13(4): 600-612
[22]	Kazemi P, Danaila I. Sobolev gradients and image interpolation. SIAM Journal on Imaging Sciences, 2012, 5(2): 601- 624
[23]	Yang Xiu-Hong, Guo Bao-Long, Wu Xian-Xiang. Wavelet inpainting based on tensor diffusion. Acta Automatica Sinica, 2013, 39(7): 1071-1079(杨秀红, 郭宝龙, 吴宪祥. 基于张量扩散的小波域修复模型. 自动化学报, 2013, 39(7): 1071-1079)
[24]	Zhang Wen-Juan, Feng Xiang-Chu, Wang Xu-Dong. Mumford-Shah model based on weighted total generalized variation. Acta Automatica Sinica, 2012, 38(12): 1913- 1922(张文娟, 冯象初, 王旭东. 基于加权总广义变差的Mumford-Shah模型. 自动化学报, 2012, 38(12): 1913-1922)
[25]	Tang Li-Ming, Tian Xue-Quan, Huang Da-Rong, Wang Xiao-Feng. Image segmentation model combined with FCMS and variational level set. Acta Automatica Sinica, 2014, 40(6): 1233-1248(唐利明, 田学全, 黄大荣, 王晓峰. 结合FCMS与变分水平集的图像分割模型. 自动化学报, 2014, 40(6): 1233-1248)

施引文献

资源附件(0)

访问统计

点击查看大图

计量

文章访问数: 1771
HTML全文浏览量: 87
PDF下载量: 1495
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

Sobolev 广义度量下的各向异性扩散模型

doi: 10.16383/j.aas.2015.c140564

作者简介:
冯象初西安电子科技大学数学与统计学院教授. 1999 年获西安电子科技大学理学博士学位. 主要研究方向为数值分析, 小波, 图像处理的偏微分方程方法.E-mail: xcfeng@mail.xidian.edu.cn

通讯作者:
刘孝艳西安电子科技大学数学与统计学院博士研究生, 西安石油大学理学院讲师. 主要研究方向为变分及偏微分方程在图像处理中的应用. 本文通信作者.E-mail: feng2001410@163.com

计量

Anisotropic Diffusion Model Based on Generalized Metric in Sobolev Space

计量

目录

留言板

Sobolev 广义度量下的各向异性扩散模型

doi: 10.16383/j.aas.2015.c140564

作者简介: 冯象初 西安电子科技大学数学与统计学院教授. 1999 年获西安电子科技大学理学博士学位. 主要研究方向为数值分析, 小波, 图像处理的偏微分方程方法.E-mail: xcfeng@mail.xidian.edu.cn

通讯作者: 刘孝艳 西安电子科技大学数学与统计学院博士研究生, 西安石油大学理学院讲师. 主要研究方向为变分及偏微分方程在图像处理中的应用. 本文通信作者.E-mail: feng2001410@163.com

计量

出版历程

Anisotropic Diffusion Model Based on Generalized Metric in Sobolev Space

计量

出版历程

目录

作者简介:
冯象初西安电子科技大学数学与统计学院教授. 1999 年获西安电子科技大学理学博士学位. 主要研究方向为数值分析, 小波, 图像处理的偏微分方程方法.E-mail: xcfeng@mail.xidian.edu.cn

通讯作者:
刘孝艳西安电子科技大学数学与统计学院博士研究生, 西安石油大学理学院讲师. 主要研究方向为变分及偏微分方程在图像处理中的应用. 本文通信作者.E-mail: feng2001410@163.com