文摘

基础上,引入偏微分方程的基本概念和相关技术,以及路径规划的方法,应用偏微分方程在解决城市路径规划进行了研究。路径规划模型的偏微分方程和边界条件的设置障碍,和适应性。理论研究和实验结果表明,它是可行的和有效的解决城市道路规划通过偏微分方程,为城市提供一种新的方式路径规划的研究思路和方法。本文提出了基于扩散方程的图像检测算法。根据对数变换,乘法散斑噪声图像中可转化为加性噪声。我们第一次做对数变换的图像,然后使用去噪模型的扩散方程来过滤掉噪音图像,然后使用对数识别图像。域差分法获得的图像的差异,最后,区别图像聚类算法的分类,提取变化区域。实验表明,该算法可以有效地减少乘法斑纹噪声对变化检测结果的影响,提高变化检测的准确性,缩短检测时间改变。本文以二维空间的城市的路径规划问题为例,讨论了偏微分方程中的应用。根据能量守恒的原理,本文使用了二维空间辐射热传导方程为例,对模型和说明的解决路径规划问题。

1。介绍

随着人类社会的发展,社会越来越高的技术要求多媒体信息处理。图像是人类获取外部信息的重要来源。数字图像处理技术已成为该领域的一个研究热点1]。在正常情况下,数字图像处理的过程将由不同的噪声干扰信号,这将减少的质量形象。这不仅使图像模糊,也会影响图像的后续处理,如图像分割和图像压缩2]。因此,找到一种快速有效的图像去噪算法是研究人员面临的一大挑战。图像恢复一直是关注在图像处理领域,也是一个预处理过程为高级图像处理应用程序(3]。传统图像恢复方法常常破坏图像特征,如边缘、线条和纹理而去除噪声。基于偏微分方程的算法能保持图像,恢复图像的细节。因此,近年来受到越来越多的关注(4]。城市道路规划是一个重要的链接和导航研究的主题。传统的路径规划方法主要包括人工势场法、遗传算法、人工神经网络、模拟退火算法、蚁群优化算法和随机搜索算法(RRT5]。人工势场算法是最典型的算法。数学完整性和简单,但是很难处理障碍和狭窄的通道振荡。的优势智能算法如遗传算法和蚁群算法的路径可以收敛到最优或者它大约是最优的。缺点是进化速度难以控制,和太多的经验参数是必需的,这是不利于自动处理(6]。RRT算法是基于一个查询路径规划方法抽样,因为它避免了建模的空间。与该方法相比,它具有独特的优势,但由于随机搜索是全球统一空间,算法是无意义地昂贵和规划时间较长(7]。

偏微分方程可以有效地模拟动态过程,如一维的弦振动、二维膜振动和热传导,和三维声波振荡。因此,被广泛应用于物理学、力学、工程技术和其他自然科学领域(8]。偏微分方程的丰富内容和更好的性能提供了新的启示城市路径规划算法。图像恢复也被称为图像恢复;这是恢复退化图像的过程。可以看出,图像恢复是图像退化过程的逆过程(9]。图像修复技术的目的是恢复退化图像尽可能多的原始外观。方法是首先分析图像退化的机制,也就是说,用数学模型来描述图像退化的过程。退化模型的基础上,通过硕士论文基于偏微分方程的图像修复的研究发现模式计算的逆过程,真正的图像可以获得更准确的退化图像,并可以恢复图像的原始信息(10]。图像恢复一直是关注在图像处理领域,也是高级图像处理应用程序的一个预处理过程。图像恢复在初级视觉处理中占有极其重要的地位,广泛的应用于航空航天、国防、公安、生物医药、文物修复,和其他领域11]。

介绍了偏微分方程模型的路径规划问题,提出了一种新的城市路径规划算法。与此同时,一个基于自适应图像变化检测全变差(电视)的去噪算法。首先,图像转换为对数变换域,然后,使用自适应的图像去噪全变差模型去噪。在该算法中,针对原电视去噪算法的缺点,我们使用广义能量函数和介绍不同变量自动选择去噪所需的迭代次数,避免去噪不足或手动选择造成的浪费时间问题的迭代次数。最后,k - means聚类算法用于集群的区别图像。(1)考虑之前的步骤影响重建图像的过程中,一个复杂的扩散模型,夫妻中值滤波和出版社模型改进。在不影响去噪性能,提高图像的视觉效果。(2)考虑到模型不能有效去除噪声点,改进,提出了一种时间选择性扩散模型。(3)考虑到全变差模型将在恢复的过程中一步影响形象,一种改进模型,夫妇二阶和四阶偏微分方程。改进后的算法提高了图像的视觉效果,以及收敛速度远高于四阶模型。 Experimental results show that the adaptive total variation denoising algorithm can effectively suppress image noise and improve the detection accuracy and efficiency of the algorithm. This paper focuses on the research of image modeling and studies three different image restoration models from different perspectives for the basic problems of image restoration. The first type of model is a restoration model based on the scale-space axiom system. The main research is to analyze and design anisotropic diffusion equations from the perspective of directional filters; the second type of model is partial differential equation models derived from the perspective of functional variation, focusing on the total variation models and four that are widely used today. The third type of model is a hyperbolic partial differential equation model called impulse filtering, which can be used for image enhancement or deblurring.

2。相关工作

也许和哈斯拉赫Jr。12)使用双曲偏微分方程来模拟人体内窥镜的路径。的优势是,它可以处理各种器官的peek路径结构,在一个方向和传播速度取决于调查的解决方案。这是有限的。在时间的解决方案可能是单数,导致解决方案的破裂。根据顺序变化检测的图像分类过程,图像变化检测方法可分为两种类型:分类后比较之前的分类和比较。该方法首先两幅图像分别进行分类,然后比较两个后的遥感图像分类。这种类型的算法依赖于分类器的准确性,和初始误差会累积在随后的比较过程。

第一个比较,然后分类方法通常得到差分图像,然后将图像获得检测结果的差异。这样的图像变化检测的准确性主要取决于不同图像的质量和不同的图像分类算法的准确性。例如,Naghavi et al。13]提出的多尺度和多瞬时卫星图像变化检测(MCD算法),它使用对数比算法计算SAR图像的差分图像,利用抽取离散小波分解图像的区别,最后使用k - means聚类算法簇分解差分图像获得检测结果。埃文斯(14)等人提出了SAR图像变化检测基于差分图像融合和k - means聚类算法(PPK),它使用磅的滤波器去噪;他们用加权法结合对数比率差异图像和差分图像在时域集群,然后使用k - means聚类算法区别图像,提高变化检测的准确性,但检测时间相对较长。伯杰和Oliger15)等人提出了一种SAR图像变化检测基于比率图像数据的融合和模糊聚类(简称CIVB算法)。该算法使用了一个上下文无关变量融合算法融合均值比差分图像和日志比差分图像,然后使用模糊聚类算法处理图像的差异。该算法提高了变化检测的影响,但在获得融合的不同形象,它需要使用多尺度提取均匀区域,和总运行时间很长。其他人提出,所有图像变化检测可分为根据检测目的,检测数据、检测尺寸,检测的时间尺度,和检测内容和图像变化检测技术分为直接比较法、分类比较法、面向对象的方法,和模型7的方法,如方法、时间轨迹法、可视化方法和混合法。

近几十年来,基于偏微分方程的图像去噪处理技术已成为图像处理领域的一个研究热点,而且它已经逐渐成形,采用图像平滑和多尺度空间理论。后,派(16首先做了一个模型基于各向异性扩散,叫做Perona-Malik模型(PM模型),克服了各向同性扩散的缺点。点模型的最大优势是把图像的平滑处理和边缘检测,使用边缘扩散函数控制的传播率,并试图传播nonedge地区的形象,所以这个模型不仅可以有效地去除噪声,而且更重要的是,图像的边缘纹理可以磨,奠定了基石的数字图像处理技术的进一步发展。然而,该模型仍有缺陷。有不确定性模型的扩散系数的选择。此外,很容易忽略了强大的孤立的图像中噪声和边缘,这将导致一个严重的一步的效果。为了克服这些缺点,后研究人员提出了许多改进算法。霍和柴17)提出了一个基于曲率的图像去噪模型的加权高斯函数。海尔宾et al。18]提出了一种基于各向异性扩散算法,主要用于散斑噪声,使用边缘的概率密度函数和关联信息的像素控制扩散速度,这不仅保护边缘信息,还解决了图像oversmoothing缺陷。有些学者提出了一个改进的扩散模型基于自适应边缘阈值,使点模型,主要介绍了方向滤波器(19]。这个系数考虑局部像素的可变性,以便更好地去除噪声和边缘有选择地平滑图像。一些学者介绍了定向拉普拉斯算符来改善点模型,而扩散沿着原始图像的边缘图像,有效地减轻步骤的效果,和保护锋利的边缘。该模型可以有效地去除噪声,同时保留边缘,边界,和纹理20.,21]。

3所示。城市规划基于偏微分方程的图像特征增强模型施工方法

3.1。偏微分方程的方法层次结构

给定一个方程,一般来说,它只能描述一个特定的运动的一般规律,并不能确定特定的运动,因此,方程被称为通用方程。如果一些附加条件(如运动开始的条件或边界后受到外部约束),就可以完全确定特定的运动状态,这种情况被称为定解条件。代表开始的附加条件情况被称为初始条件,边界和限制的条件被称为边界条件。图1显示了偏微分方程方法层次分布结构。

假设函数满足通用定方程 。当点往往给最初的超平面或从该地区的边界表面边界条件 ,的所需的定解条件和极限导数存在无处不在并满足相应的定解条件,叫做定解问题的解决方案。

基于函数的方法得到约束最小功率恢复平滑。这种修复方法建立最优准则基于平滑措施,如减少图像的二阶导数(即。、拉普拉斯算符)。为了有意义,必须限制恢复过程与已知参数。因此,有必要寻找判别函数的最小值 。例如,函数 可以被定义为

如果所有的条件得到满足(滤波函数的存在和傅里叶反变换)的存在,为恢复信号 ,力等于理想的信号 ,这是一个完美的修复。图像的边缘梯度很大,系数小,扩散较弱,和边缘保持;内部图像的梯度小,扩散系数大,接近热传导方程,方程的扩散强度很大,和平滑图像,从而实现各向异性扩散能力。它是通过一个不完美的形象通过一个线性滤波器。从逻辑上讲,过滤器被称为逆滤波器,其传递函数的逆传递函数的退化 :

许多物体的运动规律可以用波动方程描述。例如,弦振动可以由一维波动方程描述;膜振动可以通过二维波动方程描述;声波和电磁波振荡可以用三维波动方程描述。因此,移动机器人的路径规划可以用于二维或三维振动的方程描述波从起点到终点。

如果是满足此条件,模具可以相互使用迭代。需要指出,因为所有操作相结合的图像信息,没有其他功能被添加在这个过程中,较大的尺度参数 是,简单的图像的内容。

从上面的公式可以看出,如果 0或在飞机上非常小,它会带来计算困难。另一方面,噪声会导致更严重的问题。在这种情况下,恢复只能执行范围内接近原点(接近频域的中心)。

3.2。图像特征增强算法

物理域通行的区域吗 与城市的障碍是删除的工作环境。如果障碍是动态的,障碍是划分根据速度的大小和方向。边界设置为相应的多个狄利克雷条件的关系。

图2显示了图像特征增强算法的流程图。因此,该算法求解基于自适应网格的模型方程如下:(1)初始化城市的通行区域quasiregular三角网格,集作为预设统一的网格单元边长值,并设置的通行区域能源预设的最小值;(2)使用有限元差分格式得到的近似解三角网格的城市地区开始 。

如果误差满足预定的宽容,网格精度是正常的。我们执行线性插值三角形节点之间的中点和返回的梯度三角中心解决方案。如果梯度小于预设的能量最小值,计算结束;否则,它将进入下一步的网格和梯度计算。

线性扩散是最古老和最好的方式来理解尺度空间。从规模空间的角度来看,图像连续家庭后的运营商将获得一系列平滑图像。原始图像与规模 。图像= 0,一个图像可以获得一个更简单的结构通过增加t。因为图像的尺度空间理论引入了层次结构特征,这是一个重要的一步从pixel-related图像表达语义描述图像转换表达式。

对于一个固定的节点 ,让遍历所有节点相邻在网格中,细化后的重新分配节点形成一个新的网格。默认是三角形划分,所有节点都是三角形的顶点。添加一个新的自适应网格一步一步后,回到步骤重新计算。研究表明,超过70%的人类收到的信息是通过视觉获得的。与语音和文本信息,图像包含更大、更直观、更准确的信息,因此有较高的实际效率和广泛的适用性。在数字图像处理和传播形式,这种存储和传输格式已经成为该领域的主要发展趋势由于其质量好等优势,低成本、小型化,并且很容易实现。然而,在成像的过程中,记录,处理,传输,由于不完美的成像系统,录音设备,传输介质,和加工方法,图像质量可能会下降,不能完全反映现场的实际内容。这种现象被称为图像退化。在这个模型中,图像退化过程建模为一个系统函数作用于输入图像(通常称为点扩散函数)。这是加上一个附加噪声 ,这迫使生产退化图像 。物理学的概念引入到图像,和整个图像可以被视为一个平板不同热量。热传导方程,时间变化使得整个板的温度趋于平衡。高温点提供能源的低温冷却,加热和低温点接受能量,直到迭代终止。图像中的噪声点可以被视为高温能量点,遵循进化方程;频率逐渐降低,直到解决。

3.3。优化规划的评价因素

的过程中与Perona-Malik方程平滑图像,有时会出现“屏蔽效应”。即4图像处理后的灰度在一些地区是一样的。相同的灰度区域意味着一阶倒数的灰度值在任何时候在该地区是0。这表明,随着迭代次数的增加,图像转换到相同的灰度图像。图3显示了比较平滑图像的直方图特征。这也可以从图像的假设模型的鲁棒性估计方法。在鲁棒性估计方法中,假设图像是水平的图像块的总和(每个点的梯度在同一块是零)和零均值和方差小的噪音。使用一个减毒增强因素可以减少像素高对比度增强,和增强的图像结果是一般柔和,视觉效果不是太锋利,但一些有用但最初难以观察细节更好的增强。这样,平滑和消除噪声多次将不可避免地使图像过渡到一个块级图像。如果我们改变的形式(是拉普拉斯算符),什么时候 ,图片只是一个平面,而是一个水平面不一定是必需的。

为了避免损坏图像特征和取得良好的成果,平滑应遵循以下两个原则:(1)强的区域图像特征不太光滑;薄弱地区的更平滑的图像特征;(2)垂直平滑图像的特点是小;平滑的图像特征是大。图像的方向特性,基于偏微分方程的方法判断图像的平面度的大小根据梯度处理过程中。这可以从像素点梯度系数分布函数在迭代。另一方面,它还检测到图像的方向特性,减少了平滑的方向垂直于功能。准确方向提取图像特征是图像平滑和其他图像处理任务的关键。基于对一些图像特征方向,梯度提取方法都容易出错。偏微分方程开始被用于物理描述客观世界。 Later, after continuous in-depth research by researchers, partial differential equations have gradually been applied to the field of digital image processing, and good results have been achieved in this field. The image denoising method of differential equation not only effectively filters out the noise in the image but also the important structural feature information of the image is basically not lost. In addition, the image denoising algorithm based on partial differential equations is a nonlinear method and has a relatively complete mathematical theory system and design structure. In addition, the calculation is fast, simple, accurate, and stable. More importantly, the partial differential equations are closely related to the physical characteristics of the image such as gradient and variance.

4所示。应用程序和分析城市规划基于偏微分方程的图像特征增强模型的方法

4.1。偏微分方程的数值处理

图像本身结构复杂,噪声和纹理细节的像素灰度值图像的面积太大,和平坦区域的灰度值相对较小。考虑到这一特点,频域低通滤波器用于过滤掉噪声信号,然后,保留低频部分的图像信息,从而达到去除噪声的目的。扩散偏微分方程使用相同的策略在不同的地区,也就是说,不管方向,方程的扩散能力和速度都是一样的。理想的导电系数应该更平滑区域传播,扩散到灰度变化少,保护边缘,同时消除一些微小的变化,如噪音和一些不必要的纹理。然而,图像本身复杂的结构信息,并使用相同的扩散系数将不可避免地忽略了图像的结构特征信息的重要性,进而导致图像失真。模型使用本地图像的梯度特征自适应地确定扩散系数。不同的地区和时刻有不同的扩散系数,可以有效地保留图像的边缘和纹理细节信息。图4显示了去噪效果曲线分布在不同图像中的噪声点。具体来说,在噪音是人口的地区分布,扩散能力相对较大,可以过滤掉图像的噪声点;在图像的边缘区域,扩散函数几乎不再扩散,从而保护图像的边缘滤波器的影响。

为了验证本文方法的有效性,本文选择一个 图像作为测试图像,并增添了各种混合噪音(本文以一个混合噪声为例,0.01%的方差的高斯噪声和密度,0.05%的盐和胡椒混合噪声),然后,二阶偏微分方程去噪模型,四阶YK模型,LC模型,该模型在本文用于去噪比较。根据对数据库分类精度影响,结果分为两组进行分析,如本文所示。

从分类结果可以看出,该方法的分类精度大大提高与其他方法相比。图5显示一个原理图的偏微分方程的数值处理的效果。现场有明显的前景目标和背景相似的局部结构。低秩等编码方法的分类效果LrrSPM(快速低秩表示基于空间金字塔匹配)显著高于稀疏编码ScSPM,因为这些图片有相似或一致的结构特点。低秩编码采用联合编码方法和最低等级正规化可以捕获这些特性。共性的同时,也可以看到当地的编码方法(LLC)比稀疏编码(ScSPM)。分析的原因是,地方特色的每种类型的图像中包含的场景极其相似;当地特性相同的滑雪非常相似。进一步证实,当地的约束可以有效地捕获局部特征描述符之间的相似性和共同的特征。

4.2。图像特征模型模拟

实验环境与Matlab开发,运行在PC, CPU频率是512 MB和碰撞半径是0.4米。环境是一个矩形区域 ,障碍是随机集,大小是任意的。随机动态环境参数设置。起点设置为(0100),和终点(100 0)。当存在动态障碍物在实验环境中,我们使用导热偏微分方程来解决城市道路规划。障碍,点1是运动的起点,点2最初满足城市,第3点满足的边界坚实的墙,和点4点球已经过的路径。可以看出,绝热边界条件的障碍影响导热在规划过程中,使原来的热传导方向变化。通过预测的移动速度障碍,避障和绕道可以成功实现。因为障碍的移动速度太大,它不影响原来的传导路径规划,所以没有需要绕道。

为了分析的有效性提出了自适应分数去噪算法的基础上改进的点模型,四个灰度图像的大小 选择进行比较分析。其次,结合实验结果,我们使用Matlab模拟实验。解决矩阵表示最低的128维图像获得的59岁的排名显示,自然图像维数远小于,分成几个小块根据图像的局部相似性,和每个地方小块的最小矩阵表示。可以看出,当地约束编码可以捕获类似的特性之间的关系。图6显示了图像去噪阈值参数梯度分布的影响。还有一个重要的参数在该模型。阈值参数的值决定了开始削弱扩散的梯度值的能力。如果它的值是不合理的或不准确的,会有不完整的噪声过滤或过度光滑平坦区域和边缘信息的损失。

图7显示了比较之前和之后的图像算法的收敛速度。为了看到的影响价值扩散速度更直观地,在这里,我们接受20和100年,分别画一个图的扩散系数和梯度模量之间的关系。去噪后图像的信噪比是11.83,计算时间是21.44秒。图像中的噪声被移除在某种程度上,但视觉效果还不能令人满意,和算法的收敛速度太慢,导致模型的去噪运行时间太长了。对于参数,我们改善了它们的值。在本文中,我们设置参数 ,的 (有害的价值值在Matlab是最低实数),去噪后图像的视觉效果更好,和图像的视觉质量在很大程度上的改善。去噪后图像的信噪比是14.37,计算时间大大缩短了19.66秒。

4.3。示例应用程序和分析

这是计划路径后求解椭圆型偏微分方程建立移动机器人路径规划模型。由于实验环境的自适应网格细化,计划路径仍在一个狭窄的区域。它可以安全地传递,计划路径相对平稳,避免突然改变有关操作参数,因此可以应用于路径规划不完整的城市。所有Matlab实验R2012a Windows 10用于模拟和计算机配置英特尔酷睿i5 2.40 GHz和4 G操作的核心。纸,边界条件的设置障碍和三维模型计算的结果更直观地平滑图像实验的结果与波动特征。

图8显示的箱线图去噪图像识别度偏差。可以看出,当图像像素作为扩散函数,有更好的去噪图像识别效果。因此,它表明两个扩散系数可以有效地去除噪声。然而,数据显示,PSNR(峰值信噪比),SSIM(结构相似),和在图像去噪图像的信息熵指数1用作扩散函数是略高于当图像去噪图像的相应值指数2作为扩散函数。此外,当图像索引1作为传播函数,图像去噪的运行时间大大缩短。因此,扩散函数图像选择指数1分析图像在接下来的模型。

图9显示一个三维直方图的峰值信噪比和像素扩散时间。可以看出,峰值信噪比的值逐渐增加扩散的数量减少,因为峰值信噪比的值越大,扩散时间越长和图像纹理细节的损失,所以峰值信噪比的值应该在理论上符合递减函数。基本思想是逐步增加扩散的数量直到峰值信噪比达到最大值后开始扩散。每次迭代后的噪声图像,噪声图像会变得顺畅。平滑图像,图像的梯度越小。也可以从稀疏编码的结果,效果优于低秩编码,这表明,稀疏编码采用一个独立的编码方法为每个图像保存图像的个人特征,但这种编码方法的差异特征。如果稍微改变图像添加到场景类相似,编码系数将大大改变。因此,随着扩散的数量的增加,峰值信噪比必须减少的价值。只有这样的细节和纹理信息可以更好的保存,因此,峰值信噪比取决于像素扩散时间减少。

为了验证偏微分方程算法的影响,在上面的环境,遗传算法,泰森多边形法图搜索、人工势场算法,RRT算法,和偏微分方程算法比较,分别进行城市路线规划。图10显示了一个风扇图表对比的影响城市规划基于偏微分方程的图像增强算法。规划与其他规划算法相比,本文算法规划路径长度减少了33.45%,27.23%,18.21%,15.24%,和5.87%,分别。可以清楚地看到,在本章提出的模型的去噪图像是清晰的,也就是说,它有一个良好的视觉效果,表明该算法可以有效地去除噪声。此外,去噪图像的边缘和纹理细节也更加清晰,表明在本章提出的算法能够更好地保持边缘和纹理信息在一定程度上没有遭到破坏,更重要的是,它减少了“阶梯效应”在某种程度上。

5。结论

分析了偏微分方程算法在城市的可行性路径规划,提出了城市路径规划的新方法。我们用偏微分方程来城市路径规划模型,通过自适应网格细化实验环境;它实现了偏微分方程在城市道路规划中的应用。理论研究表明,它是可行的解决移动机器人的路径规划偏微分方程算法,为城市提供了新的思想和方法为静态和动态路径规划研究。实验结果证明了偏微分方程算法的有效性来解决城市路径规划问题。

本文的主要改进如下:(1)考虑到下午会有一步影响重建图像的过程中,提出了中值滤波和PM模型改进的耦合与复杂的扩散模型。改进算法有效地结合了各种模型的优点,改善图像的视觉效果,而不会影响去噪性能。(2)模型不能有效地去除噪声点,因此提高。提出了时间选择性扩散模型。方面的改进算法是相对的恢复效果和收敛速度。该模型在一定程度上已得到改进。(3)考虑到全变差模型将在恢复的过程中一步影响形象,一种改进模型,夫妇二阶和四阶偏微分方程。改进后的算法提高了图像的视觉效果,以及收敛速度远高于四阶模型。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者声明没有竞争的经济利益或个人关系可能出现影响工作报告。

确认

本研究科技部支持的研究项目:抗震优化设计的理论和实践城乡供水网络(批准号202102310246),河南省级重点科研项目的高校:安全性能和优化设计研究城乡供水网络(批准号20 a560017),和河南省科技档案的项目计划:地震灾害应急管理机制的研究河南省档案部(批准号2021 - r - 20)。