Diffusion

各种基于扩散的图像过滤方法： 1. 使用热方程的线性扩散滤波 - 使用隐式和显式欧拉方法求解。 2.边缘增强线性各向异性扩散过滤。 3.边缘增强非线性各向异性扩散过滤。 包括测试图像的数据文件。 每个文件都是一个实现上述方法之一的脚本。 阅读评论了解详情。 版权所有 (c) Ritwik Ku​​mar，哈佛大学 2010 www.seas.harvard.edu/~rkkumar

利用各向异性扩散方法对超声图像去噪的四篇论文以及matlab代码，希望对你有用。 speckle reducing 四篇文章目录 [1] P. Perona and J. Malik. Scale-space and edge detection using anisotropic diffusion.IEEE Trans. 1990. [2] Y. Yu and S.T. Acton, Speckle reducing anisotropic diffusion,IEEE Trans. 2002 [3] S. Aja‐Fernandez, C. Alberola Lopez, On the Estimation of the Coefficient of Variation for Anisotropic Diffusion Speckle Filtering, IEEE Trans. 2006. [4] Karl Krissian,Oriented Speckle Reducing Anisotropic Diffusion,IEEE TRANS 2007

定向扩散（Directed Diffusion, DD）协议在omnet++模拟器上的实现

论文+代码，可用 论文详细S. Aja‐Fernandez, C. Alberola Lopez, On the Estimation of the Coefficient of Variation for Anisotropic Diffusion Speckle Filtering, IEEE Trans. 2006.

matlab的欧拉方法代码二维热扩散有限差分法 该项目的目的是使用有限差分法求解二维热方程。 这是一个MATLAB代码，可以解决不同的材料，例如（铜，铝，银等），或者允许用户通过输入导热系数，比热和密度来添加自己的材料。 可以应用许多随时间固定的“狄利克雷条件”的边界条件。 它还解决了印版的稳态温度，并告诉用户该印版达到该稳态所需的时间，并且用户选择了误差容限。 解决方案的精度将主要取决于在网格划分和开始迭代求解之前也可以选择的x和y方向上的节点数。 该代码可以用两种方式（Euler和二阶Runge-Kutte）以及具有中心有限差分的空间导数求解方程的时间导数部分。最后，在求解之后，时间上的图形模拟似乎表明了热量如何扩散到整个过程中在所选时间间隔内的板块。

matlab美式看炒菜代码跳跃扩散模型中的美国期权定价 2008年论文摘要 最近开发了许多替代模型来概括 Black-Scholes 期权定价模型，以便纳入更多的经验特征。 在这个 Black-Scholes 期权定价框架中使用了布朗运动和正态分布来模拟资产回报。 然而，从实证研究中发现了两个要点：(i) 将资产收益分布描述为比正态分布具有更高的峰值和两个不对称的更重尾部的瘦峰特征，以及 (ii) 一种称为“波动率”的经验现象微笑”在期权市场。 在最近解决上述问题的模型中，有 Kou (2002) 的模型，它允许标的资产的价格根据布朗增量和双指数跳跃而移动。 本论文的目的是在该模型中开发美式期权的分析定价表达式，使我们能够有效地确定价格和相关的对冲参数。 内容 Matlab模型代码 2008年论文 比较导数代码

扩散贴图 引入的扩散图算法的 Python 实现。

热扩散使用-MPI- 使用 OpenMP 和 MPI 求解网格上的热扩散方程 考虑在大小为 0 ≤ x, y ≤ π 的二维域上求解 κ = 常数 = 1 的热扩散方程。 设边界条件为 T(x, 0) = cos^2 x T(x, π) = sin^2 x T(0, y) = T(π, y)（以 x 为周期） 该方程可以通过空间上的中心有限差分和时间上的前向欧拉方法求解。 该软件包包括 3 种不同的实现： • 串行：对于串行版本，使用带有命令行选项的 heat_serial ./heat_serial {nx} 用于网格大小为 nx^2 的解决方案 • OpenMP：使用命令行选项./heat_omp {nx} {nthreads} 运行的并行版本heat_omp。 • MPI：与mpiexec ./heat_mpi {nx} 一起运行的并行版本heat_mpi。 使用域分解进行并

欠采样算法matlab实现代码压缩传感扩散肺MRI 该存储库包含论文中提出的新型压缩传感方法的数据，代码和结果，将信号行为的先验知识整合到重建中以加快MR扩散数据的获取。 JFPJ Abascal，M Desco，J Parra-Robles（提交出版）2017年。 所提出的方法将信号衰减的知识整合到重建（SIDER）中，以通过在空间和b值维度上进行欠采样来加速MR扩散数据的获取。 SIDER将总变化（TV）与惩罚函数结合在一起，该函数可沿b方向促进稀疏性，如下所示： 其中Nabla是通向TV的空间梯度，F是欠采样的傅立叶变换，u是通气图像，M是对b的连续值编码通气图像之间的关系的算符。 可以使用扩展的指数模型来近似此关系 其中D和alpha分别是扩散和异质性指数的估计平均值，可用于估计平均肺泡长度（Lm）。 下图显示了对照组和患者的通气图像（左上），信号衰减（右上）以及D，alpha和Lm的估计图（下）。 数据 使用三名正常志愿者和三名COPD患者（n = 8，两名患者在不同疗程进行两次采集）的完全采样扩散数据集评估方法，这些数据可从早期工作中获得[Parra-Robles等人，IS