基于NSCT和全变差模型的医学图像去噪

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

各向异性图像扩散的多重网格格子波尔兹曼方法

为提高基于格子波尔兹曼(Lattice Boltzmann,LB) 模型图像降噪方法的计算效率和精度,提出了一种多重网格LB (multigrid LB,M-LB) 模型的降噪方法,即通过不同尺度网格的LB 模型实现各向异性图像扩散,在图像变化剧烈的区域采用较细尺度的网格,而在图像变化缓慢的区域采用较粗尺度的网格. 为验证M-LB 方法针
对斑点噪声抑制的效果与效率,对自然图像、合成图像、医学超声图像进行降噪处理,分别与现有的一种多重网格扩散方法和两种LB方法进行对比．实验结果显示,M-LB 方法较其他3 种方法抑制斑点噪声效果更好,降噪处理效率更高．     

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法，该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换，然后对其径向分量r进行收缩去噪处理，与传统的直接收缩去噪法相比具有算法简单、工作量少等特点．仿真结果表明，该方法去噪效果良好．     

矢量图像去噪的格子波尔兹曼方法

摘要： 针对矢量图像数据量大,基于传统非线性扩散模型的算法效率低和难以实现并行化的缺点,该文通过在格子波尔兹曼模型的松弛因子中嵌入矢量图像的边缘特征,并定义新的平衡态分布函数,实现矢量图像的非线性扩散去噪. 此方法在保证稳定性的情况下,能实现大步长迭代计算以提高计算效率. 随后,通过二维扩散问题的数值仿真,定量评价了平衡态分布函数对计算精度和效率的影响. 为验证此种方法,对分别受到加性高斯白噪声和脉冲噪声的彩色图像进行了去噪实验,结果显示在图像处理质量和计算效率方面,该文方法都优于加性算子分裂算法.     

基于小波分析的功能磁共振图像的去噪预处理

对基于小波分析的fMRI去噪作了较具体的论述，并在Donoho和Johnstone的Hard函数及Soft函数基础上提出了更合适的Hard—Soft函数．从结果分析看，Hard—Soft函数比Soft函数在保留图像细节上占优，而去噪性能比Hard函数要好．因而能够在图像去噪和保护信息上达到更好的均衡，克服了Hard函数和Soft函数的两个极端状况．     

一种新的基于扩散方程的图像平滑方法

针对退化扩散方程在对图像平滑时,奇异点容易被破坏,引入了小波变换模极大值表示,提出了由小波变换模M(s,x,y)决定扩散速度的图像平滑方法.该方法在图像奇异点的位置使平滑速度趋于零;在图像的光滑区域扩散速度由小波变换模决定;在灰度变化不大的区域,采用各向同性扩散.该方法克服了退化方程对图像奇异点的模糊现象,兼顾了去噪和保边界.实验证明该方法优于其他的方法.     

数字图像边缘检测方法的对比分析及优化

由于数字图像本身的复杂特性和各种噪声源的影响,使得图像边缘检测技术成为图像处理的一个难点.通过对几种常用边缘检测算法的介绍、归纳总结及仿真实验,对比分析了各自的优缺点,并在此基础上结合目前先进的小波理论和传统的微分法提出了一种新的图像边缘检测方法.新方法把用不同方法处理得到的边缘图像融合生成一幅新的边缘图像,先取适当阈值,过滤多余的信息.经Matlab仿真验证,在突出图像的边缘和局域细节信息方面具有良好效果,是一种有效的图像边缘检测方法.     

图像非线性扩散去噪的格子波尔兹曼方法

针对传统图像去噪非线性扩散模型及其算法效率低和难以并行化的缺点,该文在格子波尔兹曼方程的松弛因子中引入图像边缘特征以实现图像的非线性扩散去噪. 在保证算法稳定的情况下能进行大步长迭代运算以提高处理效率,且适用于并行化计算. 实验结果和分析表明,该文所提出的方法与加性分裂算法相比能够获得更好的去噪质量,其计算精度和效率都优于加性分裂算法.     

各向异性双树复小波包变换

基于双树复小波变换提出了一种新的复小波包变换。该变换引入了各向异性分解方式,由此得到的小波基在各个方向上尺度可以不同,并具有更好的方向性。这种变换可用在二维或三维数据的处理上。图像和视频去噪实验结果的PSNR值与各向同性复小波变换相比有0.1～1dB的提高,去噪后图像视觉效果更好,证实了该变换方式的优越性。