Resumen

Nos centramos en la no linealidad de las imágenes y proponemos un nuevo método que puede preservar los bordes de las curvas en el suavizado de imágenes utilizando la difusión anisotrópica no lineal (NAD). A diferencia de los métodos existentes que difunden sólo entre las variantes espaciales, el nuevo método propone que la difusión se realice tanto entre las variantes temporales como entre las espaciales, denominándose difusión anisotrópica no lineal temporal y espacial (TSNAD). Es decir, no sólo las diferencias de las variantes espaciales deben ser estimadas por los puntos espaciales cercanos, sino que también las diferencias de las variantes temporales deben ser aproximadas por las diferencias temporales ponderadas de los puntos cercanos, de acuerdo con las diferencias de niveles de gris entre ellos y el punto de consideración. Dado que las diferencias temporales de los puntos cercanos mediante NAD pueden encontrar más puntos con niveles de gris similares que formen un cinturón de curvas para el píxel central en un borde de curva, TSNAD puede proporcionar resultados de suavizado satisfactorios preservando los bordes de las curvas. Los experimentos con imágenes digitales también demuestran la capacidad de TSNAD para preservar los bordes de las curvas.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:difusión anisotrópica no lineal, bordes de curva, variantes espaciales, tsnad, diferencias, puntos cercanos, nuevo método, variantes temporales, puntos espaciales cercanos, resultados de suavizado satisfechos
• Keywords:nonlinear anisotropic diffusion, curve edges, spatial variants, tsnad, differences, nearby points, new method, time variants, nearby spatial points, satisfied smoothing results