各向异性
-
分数阶各向异性扩散图像去噪
分数阶各向异性扩散图像去噪，实现了文献Fractional-Order Anisotropic Diffusion for Image Denoising， Jian Bai， Xiang Chu， IEEE T. Image Process.，2007， 16(10): 2492-3502 -
各向异性的自适应超声图像去噪和边缘增强方法
完成基于各向异性的自适应超声图像去噪和边缘增强方法，参考Adaptive Anisotropic Diffusion for Ultrasonic Image Denoising and Edge Enhancement.pdf，加入了m参数 -
二层地质模型波场模拟
二层地质模型波场模拟，用有限差分进行波场的拟，充分利用多波多分量地震记录，以及各向异性方面的独特信息，可有效地减少纵波勘探的多解性，定量地描述裂缝储层，改善某些纵波资料成像不好地区的构造成像。这样可获得比纵波分辨率高的多波剖面，从而有利于研究小幅度构造、断层、裂缝裂隙等复杂地质现象，对油气勘探与开发具有现实意义和实用价值 -
一个基于各向异性的热传导方程导出的图像锐化算子【2013美赛A题参考资料】
一个基于各向异性的热传导方程导出的图像锐化算子【2013美赛A题参考资料】 -
-
-
Blind image quality assessment through anisotropy
Blind image quality assessment through anisotropy -
-
基于SRAD算法的医学与SAR图像去噪系统
本项目主要实现了一种基于斑点减少各向异性扩散（Speckle Reducing Anisotropic Diffusion, SRAD）算法的图像处理方案，专门用于滤除医学超声图像、合成孔径雷达（SAR）图像以及激光成像中常见的乘性斑点噪声。算法的核心思想是利用局部图像梯度的统计特性来指导扩散过程，通过引入局部变异系数（ICOV）作为扩散控制函数，使算法能够在平滑均匀噪声区域的同时，在图像边缘和纹理细节处自动降低扩散速率，从而实现优异的边缘保留性能。项目完整实现了偏微分方程的数值离散化求解过程，包括梯度算子计算、拉普拉斯算子应用以及迭代更新机制。该系统不仅提升了图像的视觉质量，还能够为后续的图像分割、特征提取和目标检测任务提供更高质量的预处理输入。其应用场景涵盖了临床医学影像分析、卫星遥感地图处理及工业视觉检测等多个领域。 -
基于扩散方程的图像去噪与边缘增强系统
本项目基于偏微分方程（PDE）理论，在MATLAB环境中完整实现了扩散方程的数值解法，旨在解决计算机视觉领域的图像恢复与增强问题。主要功能模块包括线性扩散（各向同性扩散）与非线性扩散（各向异性扩散）的算法实现。其中，线性扩散模拟热传导过程，用于整体图像平滑和高频噪声去除；非线性扩散基于Perona-Malik模型，通过计算图像梯度的幅值动态调整扩散系数，实现在平滑内部区域纹理的同时有效阻断跨越边缘的扩散，从而达到去噪且保边的效果。项目具体实现了有限差分算子来离散化连续的偏微分方程，并通过迭代算法模拟图像随时间的演化过程。该代码可广泛应用于医学影像去噪、低照度图像增强、边缘检测前处理以及纹理分析等场景，支持用户交互式调整迭代次数、时间步长和传导系数阈值，以获得最优的图像处理效果。
