基于粒子群优化的图像去噪算法

本文提出了一种基于PSO优化的非局部平均去噪算法,该算法以Non-Local means算法处理图片,以滤波参数h作为PSO的粒子,以PSNR的函数模型作为PSO中的目标函数,以群智能算法优化去噪效果.通过仿真,该算法比传统算法有更好的视觉效果和更快的速度,达到了算法的最佳性能.     

采用局部相位的Nonlocal低剂量CT图像去噪

通过引入局部相位特征,提出了一种新的基于NL-means的低剂量CT图像去噪算法.在非局部滤波器中引入局部相位,设计新的图像子块相似性测度函数,用于低剂量CT图像的去噪.通过与其他4种流行的去噪算法进行模拟图像数值比较,并对真实图像去噪进行临床评价,结果表明：所提出的方法在对低剂量CT图像去除噪声的同时,能保留具有重要诊断价值的CT图像特征,如边界、囊肿区及低密度区等.量化及临床实验结果表明所提出的算法能有效地滤除低剂量CT图像中的噪声并保留图像中有用的诊断信息.     

深度学习技术在PET/CT医学影像中的应用综述

医学影像技术为临床诊断提供了丰富信息,利用深度学习技术对医学图像进行分析和处理,取得了良好效果.PET/CT作为一种新兴的诊断技术,同时具备PET和CT的功能与特征,对癌症早期诊断具有重要指导意义,但是PET/CT的双模态特征,使传统的用于处理单模态影像的深度学习模型,不能直接应用于PET/CT的图像处理.PET/CT...     

简单邻域平均图像去噪算法的改进研究

图像去噪是图像增强的重要内容,邻域平均法是一种简单快速的图像去噪技术,但简单邻域平均法使图像去噪的同时,也会使图像变得模糊,弱化或丢失了图像的边缘和细节。本文对简单邻域平均法进行了一定的研究,给出了几种(5种)若干图像去噪的改进算法。     

冷驯化下中缅树鼩脂肪组织PET/CT扫描成像研究

为了研究中缅树鼩冷驯化条件下脂肪组织的产热活性及白色脂肪组织是否会褐变,实验首次利用正电子发射断层显像/X射线计算机体层成像仪(PET/CT)对中缅树鼩脂肪组织代谢活性进行了探讨,并通过不同的药物浓度梯度实验,首次成功获取中缅树鼩的最佳注射浓度为110~160μCi,此时能够获得最有效的示踪剂辐射值。实验结果表明:随着冷驯化时间的延长,冷驯化0 d、28 d、49 d中缅树鼩褐色脂肪组织的PET/CT扫描成像差异显著。冷驯化28 d时颈部、肩胛、腋下等褐色脂肪组织的平均SUV值与对照组相比差异显著,至49 d时分别增加了10.4倍、9.8倍、13.65倍。冷驯化28 d中缅树鼩腹股沟、腹部大网膜、肠系膜等白色脂肪组织的平均SUV值与对照组相比差异显著,至49 d时分别增加了5.5倍、2.56倍、5.17倍。结果说明,在冷驯化下,中缅树鼩通过增强褐色脂肪组织产热活性,以提高产热应对冷胁迫。冷驯化使中缅树鼩白色脂肪组织增加了18F-FDG的吸收值,意味着此时树鼩白色脂肪组织中可能褐变产生了米色脂肪细胞。     

基于注意力机制U-Net的低剂量CT图像去噪方法

计算机断层扫描(CT)产生的辐射风险已成为公众关注的问题.降低剂量将影响CT图像的质量以及医生的诊断结果.传统的基于深度网络算法中,同一层中的特征通道间的地位是平等的,影响信息的提取.为此,提出了一种具有注意力机制的U-Net残差网络.在U-Net中引入通道注意力模块驱使网络将更多的注意力集中于含有噪声和伪影信息的通道...     

不同麻醉方法对小型猪PET/CT检查结果的影响

目的 利用¹⁸F-Flurpiridaz进行小型猪心肌灌注检查过程中,观察2种麻醉方法对实验结果的影响。方法正常实验用普通级巴马小型猪4头,随机分为2组,每组2头。A组采用陆眠宁与咪达唑仑复合肌肉注射麻醉;B组采用舒泰与咪达唑仑复合肌肉麻醉。比较2组心肌灌注显像的结果。结果 A组的心肌灌注显像出现了假阳性,B组实验结果如预期。结论 2种麻醉方案均可完成小型猪的保定麻醉。但在进行心血管相关实验检查中,建议避免或减少使用陆眠宁进行复合麻醉。     

基于PET/CT的孤立性肺结节的自动分割方法

为辅助医生临床诊断,提出了一种基于PET/CT(positron emission tomography/computed tomography)的孤立性肺结节的分割方法。该方法首先需要运用图像的配准算法完成相应的过程,然后分别在PET和CT中完成分割提取。在PET中获得了结节的代谢显像区域后,利用高代谢区域的中心作为种子点。使用配准算法将这些种子点映射到CT中对应的位置后,利用区域增长完成对结节结构像的提取。将该方法用于PET/CT病例数据图像分析中。实验结果表明,使用该方法可以完整地获得肺部结节的功能和结构像,从而也显示了该方法的准确性和无监督性。     

PET/CT动态评估SD大鼠对^（18）F-FDG的摄取

目的用PET/CT动态评估SD大鼠的重要器官对^18F-FDG的代谢状况。方法 8只8周龄健康雄性SD大鼠,每只大鼠麻醉后由尾静脉注入显像剂^18F-FDG,注射后即行PET/CT检查采集数据获取图像信息。分别在10 min、30 min、50 min、70 min测量不同组织器官对^18F-FDG的标准化摄取值（Standard Uptake Value,SUV）。结果大鼠心脏随着注入显像剂18F-FDG时间的延长SUV值逐渐升高,在50～60 min中达到最高峰,随后各器官的SUV值呈下降趋势。SD大鼠大脑、哈德氏腺、肝脏及肾脏对18F-FDG的摄取在10 min左右SUV值达到最高峰,随后随时间延长各器官对^18F-FDG的SUV值逐渐下降。结论注射显像剂^18F-FDG后于40～50 min对大鼠进行PET/CT扫描可得到最佳的实验结果。     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

基于波粒去噪的图像清晰化方法

为了应对雾天图像对比度低、能见度低的缺点,提出一种基于波粒重构的雾天图像清晰化方法。采用波粒重构对均衡化后雾天图像进行处理,选取合适的阈值对图像的细节系数增强,经直方图匹配修正得到增强后的雾天图像。实验结果表明:该方法对雾气图片处理后,图像的细节和层次感得到了提高,视觉效果明显改善,是一种有效的雾天图像清晰化方法。     

基于结构纹理分解的图像去噪方法

针对图像去噪时,细小的边缘和纹理容易被磨光,及其线状结构容易被破坏,提出一种基于结构纹理分解的图像去噪方法。首先用Vese-Osher模型将噪声图像分解为结构部分和纹理部分,然后用改进的P-M扩散和相干增强扩散结合方法对纹理部分去噪,最后重新组合结构部分和去噪后的纹理部分,得到最终去噪的图像。数值试验结果表明,方法有效提高了图像去噪的质量,较好地保护了边缘、纹理信息,恢复其光滑的线状结构。     

基于Perona-Malik模型改进的图像去噪方法

结合冲击滤波器和Perona-Malik(P-M)模型提出一种新的图像去噪模型,在增强图像细节的同时,能够抑制噪声的放大和过冲现象,同时给出的扩散函数可以使模型达到更好的图像去噪效果。仿真结果表明,使用本文模型进行去噪处理后得到的图像在视觉效果和客观评价标准方面均优于P-M模型、CLMC模型以及传统的模型,在去除噪声的同时,能够更好地保留图像的细节和边缘特征。     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于字典学习的低剂量X-ray CT图像去噪

介绍了一种基于字典学习的去噪方法,并将其应用于降低低剂量CT图像噪声水平的研究.针对体模图像和病人图像,分别选择低剂量CT图像和正常剂量CT图像作为训练样本,采用K-SVD算法,通过迭代学习构建图像字典;然后,结合正交匹配跟踪算法,实现图像稀疏表示,稀疏成分对应于图像的有用信息,其他成分对应于图像噪声;最后,依据图像的稀疏成分重建图像,达到去除噪声的目的.实验结果表明:字典的大小、稀疏表示的约束条件等参数会显著影响所提算法的去噪结果;相比低剂量CT图像,将正常剂量CT图像作为训练样本可以得到更好的去噪结果;在相同的噪声水平下,所提算法与传统图像去噪算法相比可以更好地去除图像噪声,且保留了图像的细节信息.     

基于多小波变换的图像去噪改进算法

在介绍多小波理论的基础上,提出一种基于多小波的自适应图像去噪算法,该方法根据多小波系数在不同子带、不同方向上的特性自适应选取不同的最佳阈值,然后再与图像的分解尺度函数因子结合起来。实验表明,与单小波和其它使用不同预处理过程的传统多小波去噪方法相比,该方法有效地去除了白噪声,进一步提高了图像的峰值信噪比（PSNR）和最小均方误差（MSE）。     

基于Curvelet变换水下声纳图像去噪研究

为了更好地消除水下声纳图像噪声及保持图像边缘效果，提出将Curvelet变换方法应用在水下图像去噪技术中．该处理方法克服了Ridgelet去噪只对直线边缘敏感的缺点，并对图像中存在的曲线特征起到了很好的边缘保持效果，并在实验输出数据比较中获得较好效果．     

非负稀疏编码收缩法的自然图像消噪

非负稀疏编码（NNSC）算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表明,提取的特征基向量在时域和频域上都有方向性和局部性,表现了输入自然图像的边缘特性;而且与独立分量分析（ICA）法相比,NNSC法提取的特征基有更清晰的边缘特征.目视效果和归一化信噪比证明了NNSC收缩法的消噪效果要优于稀疏编码（或ICA）收缩法、小波收缩法和Wiener滤波等方法.