心脏医学超声图像序列的噪声抑制

从超声图像噪声的特点出发,利用各向异性扩散滤波技术,实现超声图像的自适应噪声抑制;并将其扩展到时间域图像序列的平滑中,以提高滤波的准确程度.模拟和临床实验表明:该方法可有效实现超声图像中斑点噪声的抑制,并提高图像序列的峰值信噪比;同时对心脏结构特征具有较好的保持和增强效果.     

超声图像斑点抑制和边缘增强的异质扩散方法

证明了非锐化掩模滤波等价于具有Huber流导函数的PM异质扩散.基于最小可信尺度和局部尺度控制,提出一种用于对数压缩超声图像斑点噪声抑制的异质扩散(LSCAD)方法.该方法无需假设斑点统计分布,直接从一、二阶方向导数的局部特征估计噪声强度,并利用所估计的局部噪声设计可调扩散过程,能根据图像中斑点程度在任何位置或方向上停止.合成图像和临床B超图像实验证实,本法能有效抑制斑点噪声、增强组织边缘而不丢失特征细节.同时,将该方法与前人方法进行比较以验证其性能.     

混合噪声的各向异性扩散平滑

针对混合噪声模型中中值滤波、线性滤波与传统各向异性扩散存在固有的缺陷,通过修改扩散项的计算方式改进扩散模型并提高扩散模型的滤波特性,改进模型具有带通滤波特性,扩散过程稳定并满足极值原理。研究结果表明:中值滤波作为一种经典的非线性滤波方法仅适合于"飞点"噪声的滤波并引起图像的角点、线条损失,线性滤波扩大或使图像边界范围模糊;传统的各向异性扩散能对随机噪声有效地压制,但对"飞点"噪声会产生虚假的边缘甚至反扩散,而改进模型既具有中值滤波的特性又具有传统各向异性扩散的性能,适合于平滑不同强度与形状的混合噪声,并对角点、线条、边缘等细节信息提供足够保护。     

基于各向异性扩散的图像分割算法

提出了一种基于各向异性扩散的图像分割算法.对现有的各向异性扩散的正则化方法进行了分析.根据微分几何中共形映射的有关理论,把原扩散方程分解为关于表面曲率的二阶方程,给出了分解式的正则化条件,保证了解的稳定性.通过对扩散系数的调节,提高了对各向异性扩散过程的控制能力.在形态学分割的基础上,通过能量函数最小化实现非线性尺度空间中的区域合并,消除了分水岭算法造成的严重过分割现象.实验结果表明,该算法的分割结果可为后续识别和理解提供较理想的方式.     

基于各向同性和各向异性扩散图像放大

提出基于各向同性和各向异性扩散两种图像放大模型.把图像的像素看作是平面物体的温度,利用偏微分方程和图像放大理论设计相应算法.通过比较这两种新模型与其他的方法,取得较好的实验结果.     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

一种遥感影像噪声抑制各向异性扩散算法

噪声抑制是遥感影像处理中一个重要研究课题,但常用的去噪算法会造成细节损失。为有效抑制噪声,同时保护边缘,本研究在Perona-Malik扩散模型基础上,提出了一种新的基于方向信息测度和边缘隶属度的各向异性扩散滤波算法。本算法的核心思想是根据遥感影像在其均匀区域各向同性扩散而在边缘细节区域各向异性扩散的这种局部特征,将影像分为边缘区和非边缘区两个区域,对非边缘区采用常规Perona-Malik扩散方程完成噪声的滤除,而对边缘区采用基于方向信息测度的非线性扩散方法进行处理,在平滑去噪的同时对边缘进行修整,不仅可以很好保持边缘细节信息,而且可以对其进行增强。实验结果表明,该算法的峰值信噪比、均方误差、辐射分辨率等参数均优于常规算法,提高了遥感影像的等效视数,有效消除了影像中的相干噪声。算法具有良好的应用前景和实用价值。     

星载SAR图像的斑点噪声抑制与滤波研究

根据斑点噪声的来源,分析和比较了抑制SAR图像斑点噪声的Lee滤波、Gamma MAP滤波、Frost滤波算法,并用台湾地区的SAR图像数据验证了不同滤波算法对斑点噪声的抑制效果.结果表明,Lee滤波抑制斑点噪声的综合性能最好.     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

各向异性扩散滤波器的迭代停止准则

利用各向异性扩散滤波模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响．本文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代。它易于实现而且有很强的通用性。实验结果表明该算法可以在图像平滑过程中适时地停止迭代,获得满意的图像平滑效果。     

基于各向异性扩散的几种平滑算法比较及改进

该文比较了几种现有的P-M扩散系数改进算法的优缺点,提出了一种改进的基于视觉掩蔽效应的各向异性扩散平滑算法.该方法用归一化局部方差和图像梯度信息联合度量空间细节,能更有效地消除噪声,保持图像细节,也避免了原扩散系数参数估计的困难.实验结果表明,提出的改进方法得到的平滑图像具有更好的视觉质量.     

基于各向异性扩散的降噪新方法

提出一种基于各向异性扩散的图像降噪新方法.该方法能够避免Perona和Malik以及You和Kaveh等人提出的方法中对参数选择的困难, 而且也能够克服Catte方案对图像进行预平滑的过程中所面临的问题.实验结果表明,该方法在图像增强过程中的降噪和细节保留方面都能有较好的效果.     

用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.