发表机构
Linköping University; Center for Medical Image Science and Visualization; Sectra AB（林雪平大学; 医学影像科学与可视化中心; 赛特拉公司）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对不同应用领域对图像去噪的差异化要求，提出源自应用确定值空间线性扩散的新型非线性扩散方案，其性能优于现有同类技术。
AI 中文摘要
图像去噪结果的评估取决于具体应用领域，图像压缩、静态图像采集及医学图像对所用去噪方法的性能要求完全不同。本文提出一种新型非线性扩散方案，该方案源自由应用场景确定的值空间中的线性扩散过程。我们证明，在变换空间中进行的应用驱动型线性扩散，相比现有非线性扩散技术表现更优。
英文摘要
The assessment of image denoising results depends on the respective application area, i.e. image compression, still-image acquisition, and medical images require entirely different behavior of the applied denoising method. In this paper we propose a novel, nonlinear diffusion scheme that is derived from a linear diffusion process in a value space determined by the application. We show that application-driven linear diffusion in the transformed space compares favorably with existing nonlinear diffusion techniques.
Journal refScale Space and Variational Methods in Computer Vision (SSVM 2013), Lecture Notes in Computer Science, vol. 7893, pp. 1-11, Springer, 2013
DOI：10.1007/978-3-642-38267-3_1
