1、基于四階偏微分方程的并行圖像去噪研究【摘要】 在圖像處理領域中,不可避免的是大量的待處理數據和各類復雜的數據計算。如今,數字圖像的處理速度已難以滿足實時性的要求。而并行計算是提高圖像處理速度最為有效的技術。并行圖像處理技術就是為了加快圖像處理的速度,擴大圖像處理的規模,以此來解決單處理器串行計算無法滿足大規模計算的需求。圖像去噪是圖像處理中的基本問題,四階偏微分方程圖像去噪方法具有良好的去噪效果,但其計算量大,影響其實時性。因此,對四階偏微分方程去噪算法進行并行化研究是當前非常重要和有價值的方向。本文主要研究基于四階偏微分方程的并行圖像去噪算法。首先,給出了一個改進的四階偏微分方程去噪模型。該

2、改進模型利用四方向導數信息和對數圖像處理(LIP)數學模型,構造了四方向LIP度量算子來全面客觀地度量圖像信息,能夠有效地去除噪聲和保護邊緣細節信息,同時減少了誤差,更符合人類視覺;根據人類視覺系統的結構化特性,利用噪聲可見度函數構造保真項系數,進一步保持了圖像的邊緣細節并避免了人為的估計噪聲水平。實驗結果表明:該改進模型能夠更好地去除噪聲,保護邊緣、細節等特征,在視覺效果和客觀評價指標上都明顯優于原方法。其次,對改進模型設計并行算法。通過分. 更多還原【Abstract】 Massive processing data and complicated calculation is

3、inevitable in image processing area. At present, the digital image processing speed is difficult to satisfy the requirements of real-time. The parallel computing is the most effective technology in terms of improving image processing speed. Image denoising is a basic problem in image processing. Fou

4、rth-order partial differential equation denoising method has a good noise reduction effect, but its massive calculation affects real-time. Image . 更多還原 【關鍵詞】 圖像去噪； 偏微分方程； 擴散系數； 保真項； 并行算法； 【Key words】 Image denoising； PDE； Diffusion coefficient； Fidelity term； Parallel algorithm； 【索購全文】Q聯系Q：1381

5、13721 Q聯系Q: 139938848付費即發摘要 3-4 ABSTRACT 4-5 第一章 緒論 8-12 1.1 研究背景與意義 8 1.2 國內外研究現狀 8-11 偏微分方程圖像去噪的研究現狀 8-9 并行計算技術的研究現狀 9-10 并行圖像處理技術 10-11 1.3 論文內容與結構 11-12 第二章 并行圖像去噪理論基礎 12-24 2.1 引言 12 2.2 傳統的圖像去噪方法 12-14 均值濾波去噪 12-13 中值濾波去噪 13-14 2.3 偏微分方程圖像去噪方法 14-16 熱方程擴散模型 14-15 -M 非線性擴散 15-16 2.4 并行計算基本理論 16

6、-23 并行計算機分類 16-19 并行算法分類 19-20 并行算法的基本設計技術及實現 20-22 并行算法的性能評估 22-23 2.5 本章小結 23-24 第三章 改進的四階偏微分方程圖像去噪模型 24-36 3.1 引言 24 3.2 對稱四階偏微分方程去噪模型 24-25 3.3 存在的問題 25 3.4 本文提出的改進模型 25-31 改進的圖像信息度量算子 26-28 改進的保真項系數 28-29 模型的數值計算 29-30 串行算法的流程描述 30-31 3.5 實驗結果與分析 31-35 3.6 本章小結 35-36 第四章 改進模型的并行算法設計 36-63 4.1 引言 36 4.2 改進模型的并行性分析 36-37 4.3 改進模型的并行算法 37-47 分治策略 37 數據劃分 37-39 超級步的劃分 39-40 并行算法的流程描述 40-41 實驗結果與分析 41-47 4.4 并行算法的優化 47-59 多粒度并行優化策略 47-49 混合并行時間模型 49-52 優化并行算法的流程描述 52-53 優化并行算法的實驗結果與分析 53-59 4.5 優化并行去噪算法在天氣預報領域的應用 59