CUDA下使用区域增长的超声斑点噪声抑制

在数字彩色超声成像系统中斑点噪声是影响超声图像成像品质的重要原因.使用图像局部区域的统计信息可以较好地识别出斑点噪声和组织结构区域,进而使用自适应滤波抑制斑点噪声.但这一处理涉及大量复杂计算,使其难以在临床实时成像系统发挥作用,为此研究并提出了一种基于新兴的高性能并行计算平台Fermi架构GPU(graphics processing unit图形处理单元)的并行斑点噪声抑制处理算法.数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的图像去噪效果,而且可以取得较大的加速性能.对512 ×512的图像数据能够达到65fps的高帧率,速度提高了大约183倍.     

Fermi平台下基于直方图匹配的超声图像斑点噪声抑制

在医学超声成像系统中斑点噪声是影响超声图像成像品质的重要因素.使用直方图信息可以较好地识别出斑点噪声和组织结构区域,从而进行自适应滤波抑制噪声.但这一处理涉及大量的复杂计算,使其成为临床实时成像系统中的一大性能瓶颈.为此研究并提出一种基于高性能计算平台Fermi架构GPU(graphicsprocessingunit图形处理单元)的并行处理算法.数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的图像去噪效果,而且可以获得良好的加速性能,基本满足实时系统的需求.对于512×512的图像数据能够达到228fps的高帧率,速度提高了大约115倍.     

基于Fermi平台的双边滤波超声图像斑点噪声抑制并行处理算法

对医学超声图像使用双边滤波技术不仅可以很好地抑制噪声,同时可以较好地保留组织结构信息。但由于该技术涉及大量的复杂计算往往难以满足实时处理的要求,为此依据Fermi架构技术特性设计完成一种斑点噪声抑制的并行处理算法。数据测试结果显示,采用Fermi架构的GPU处理在保证算法处理效果基础上获得了比较明显的加速效果。对于512×512的图像数据在迭代两次的情况下能够达到25 fps的帧率,速度提高了大约90倍。     

Fermi架构下超声成像组织运动可视化并行算法

在临床超声实时成像系统中组织运动情况是医生想要获取的重要诊断信息, 例如心脏运动. 基于线积分卷积的二维矢量场可视化技术可以同时展现运动矢量场的强度和方向. 但这一算法在处理时涉及大量的复杂计算, 尤其是流线追踪处理部分, 使其成为临床实时成像系统中的一大性能提升瓶颈. 为此研究并提出了一种基于新兴的高性能并行计算平台Fermi架构GPU(graphics processing unit图形处理单元)的并行运动可视化算法. 数据测试结果显示, 与基于CPU的实现相比, 采用Fermi架构的GPU处理不仅可     

应用ROF模型的医学超声图像去噪方法

由于超声成像机制使医学超声图像中存在着大量的斑点噪声,这些斑点噪声大大降低了图像的清晰度和质量,给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题,提出了一种基于帧相关处理、ROF分解和自适应小波阈值的去噪方法,能够在抑制超声图像斑点噪声的同时,尽可能地保留甚至增强图像的细节信息,大大提高图像质量,取得了很好的效果。     

医学超声图像SRAD模型优化研究

研究医学超声图像提取优化问题,超声图像斑点噪声较大,影响图像精度.为抗噪声,提出一种各向异性斑点减少模型(SHAD)的优化方法,用于减少超声图像中的斑点噪声.采用扩散方向由四个扩展为八个,再根据八个方向到中心点的距离不同赋予相应的权值,进行仿真,使图像信息得到加强的同时减少所需的迭代次数.仿真结果表明,在处理速度加快,并能够较好地保证处理后得到的图像在抑制噪声和保护图像的精度质量.     

Fermi架构下的时域高斯滤波并行算法

为提高图形图像处理中高斯滤波算法模块的计算速度,将高斯滤波与Fermi平台相结合,设计了一种高斯滤波时域的并行算法。数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到误差精度小于0.0001的计算结果,而且可以取得较大的加速效果。在数据规模为512×112×128和滤波窗口大小为11的情况下能够达到约210倍的加速效果。     

基于GPU的改进型GIW雷达图像降噪算法

针对大幅面合成孔径雷达(SAR)图像的斑点抑制问题,提出了一种基于自适应模板的梯度倒数加权(GIW)算法,在编程实现上采用图形处理器(GPU)进行优化,有效地解决了由于像素级运算复杂度高所导致的大幅面雷达图像处理实时性差的问题.高分辨率SAR图像的处理结果显示,该算法在有效抑制斑点噪声的同时较好地保持了边缘细节信息.经过GPU加速后,对于大幅面图像的处理,相对于中央处理器(CPU)实现可以有2个量级以上的速度提升.     

改进权值非局部均值超声图像去噪

目的 超声图像斑点噪声会影响诊断的准确性和可靠性。通过分析超声图像斑点噪声统计模型,结合非局部均值滤波算法,提出一种基于超声斑点噪声模型的改进权值非局部均值（NLM）滤波算法。方法 算法针对超声图像灰度信息对图像进行预处理,利用超声图像斑点噪声模型改进传统NLM算法的权值计算函数,基于图像特征确定最优采样间隔进行下采样,利用改进后的权值计算函数对图像进行NLM去噪处理。结果 分别采用人工合成与真实超声图像对本文算法性能进行测试,并与传统非局部均值滤波算法、非局部总变分（NLTV）等算法进行去噪效果比较,同时采用均方误差、峰值信噪比和平均结构相似性作为滤波算法性能的客观评价指标。本文算法能快速完成超声图像的去噪处理,峰值信噪比较其他算法可以提高0.2 dB以上,可以降低均方误差,提高平均结构相似性,缩短处理时间,并得到较好的图像质量和视觉效果。结论 根据超声图像斑点噪声模型对NLM算法的权值计算函数进行优化,使得NLM图像滤波算法能更好地适用于超声图像的去噪,基于超声斑点噪声模型的改进权值NLM算法相较于其他算法,滤波效果更佳,适合超声图像去噪。     

面向遥感图像无损压缩的CCD噪声抑制方法研究

CCD在成像过程中所产生的噪声会限制星地间遥感图像数据的传输效率。因此,为有效抑制CCD噪声并提高遥感图像的无损压缩比,本文提出了一种基于图像噪声标准差估计的各向异性扩散方法。首先,结合图像同质性测度和边缘提取结果提出一种遥感图像噪声标准差的自动化估计方法。而后,通过噪声模拟的方式拟合出图像噪声标准差与经典式各向异性扩散方程传导系数中梯度阈值的线性关系。基于图像噪声标准差估计和同质性测度结果,最终提出一种可自适应性调整传导系数值和迭代次数的噪声驱动式各向异性扩散方法。本文中分别采用北京一号小卫星多光谱遥感图像和标准测试图像对所提出的噪声估计方法和噪声抑制方法进行评价。试验结果表明,对比其他各向异性扩散方法,本文所提出的方法不仅可实现更好的图像复原效果,还可有效地提高多光谱遥感图像的无损压缩比,并为今后星上数据处理系统的研究提供一种较新的思路。