基于模糊各向异性扩散的骨科CT图像去噪

针对X射线散射、量化噪声、电器噪声在人体骨骼CT图像中存在噪声污染等问题,提出一种基于模糊各向异性扩散的骨科CT图像去噪方法,可有效的降低骨骼图像的噪声。一幅清晰的CT图像对于骨折部位的确定与骨折程度的判断有着重要的意义。故要使骨骼图像细节明显,需要对骨骼图像降低噪声。实验表明该方法能够求得一个较为合理的梯度阈值,在除去图像噪声的同时能够较好的保留图像的边缘和细节。     

一种各向异性扩散图像去噪的方法

在用各向异性扩散的方法对图像去处噪声的过程中，有时要预先对图像进行平滑处理，再进行各向异性扩散，本文提出了一种对图像预先平滑的方法，并用实验验证了该方法的有效性。     

各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

一种偏微分方程图像平滑方法

在各向异性扩散图像平滑的过程中,保持图像平滑性及保留图像特征都很重要。本文将复域内的扩散过程 与实数域内的扩散过程结合起来,使扩散过程具有更好的平滑效果,并能更好保持图像边缘,用实验证明该方法的有效性。     

多小波域上各向异性扩散在纹理图像去噪中的应用

去噪是图像处理中的一个重要技术,一般的去噪算法会造成图像边缘信息被平滑,为了有效地抑制噪声而同时又保护好边缘信息,在多小波变换的基础上,提出了一种新的去噪算法,它结合了多小波变化和各向异性扩散(P-M扩散)两者的优点,利用多小波变换把纹理图像分解为高频子带和低频子带,然后根据子带图的特点分别采用不同的各向异性扩散方法,实验结果表明,该算法去噪效果好,改善了图像的峰值信噪比(PSNR)和最小均方误差(MSE),同时更好地保留了图像的纹理和细节.     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

基于模糊熵的低剂量 CT 投影降噪算法研究

低剂量CT(Computed Tomography)因其大大降低了辐射剂量而广泛用于现代医疗中.然而,随着辐射剂量的减少,扫描过程中投影数据受到随机噪声的污染,导致重建图像中存在明显的条形伪影.为解决上述问题,该文提出一种基于局部模糊熵的自适应恢复算法.该算法在基于统计信息的各向异性滤波器的基础上,利用局部模糊熵来判断边缘和平滑区域.新的扩散模型能有效地控制扩散程度,大大提高了扩散速度,达到快速恢复投影数据的目的.仿真实验和实际数据试验结果表明,基于局部模糊熵的自适应恢复方法能够得到高信噪比的重建图像,且与传统算法相比,缩短了对投影数据的处理时间,从而减轻了辐射对患者的危害.     

一种基于小波的图像模糊熵阈值分割算法

提出了一种新的有效的图像阈值分割算法.本算法将小波理论,模糊集理论和信息论三者有机的结合起来.算法采用目标类与背景类最大模糊熵准则,并针对现有的模糊熵分割算法中存在的阈值选取计算效率低的缺陷,重新定义了新的模糊隶属度函数与模糊熵,并且根据小波理论的多尺度分辨的思想,对该算法进行了优化,提高了阈值选取的寻优速度.通过与各种经典算法比较,证实该文算法的可行性,具有很好的鲁棒性.     

一种新的模糊熵图象分割方法

图象阈值分割技术在图象分析和图象识别中具有重要的意义。本文将模糊子集理论中的模糊熵概念引入到阈值分割技术中去，在图象的模糊特征平面上采用最大熵原则确定分割阈值。实验结果表明了该方法的有效性。     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

基于各向异性扩散方程的局部非纹理图像修整与去噪

图像修整(image inpainting)是一种图像插值的方法,它根据丢失信息区域周围的图像信息来猜测和填充这个区域,图像修整属于图像恢复的范畴。利用变分方法导出的各向异性扩散方程对于图像边缘的良好保持特性,而在图像处理中得到了广泛的应用。基于这一思想,本文提出了一种基于各向异性扩散方程的图像修整算法:在填补修整区域的同时,可有效地去除噪声,同时保持边缘信息。理论分析和实验结果表明了这一点。     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

嵌入固有模态函数的各向异性扩散方程用于图像降噪

该文利用经验模态分解技术对图像进行分解,获得表示图像不同频率属性的各个固有模态函数分量,并将代表图像高频信息和次高频信息的固有模态函数嵌入到Perona-Malik模型中。改进后的模型不仅在对高斯噪声降噪时优于原Perona-Malik模型,而且对椒盐噪声也能较好地去除。     

一种基于核函数的各向异性扩散图像去噪算法

分析了各向异性扩散去噪模型优缺点,针对PM模型不能有效区分噪声和边缘,提出了一种基于核函数的各向异性扩散去噪模型。在该模型中,把图像中噪声与边缘在低维空间的非线性区分关系转变为高维特征空间的线性关系,利用核函数获得高维空间的扩散函数。实验中分别与PM模型、Cattle模型比较分析,证明基于核函数的扩散模型在去除噪声的同时,更好地保留图像的信息,且峰值信噪比最高,去噪性能最优。     

基于四方向导数信息的图像非线性扩散去噪

分析图像去噪的非线性扩散模型的离散解,针对其中的梯度获取问题,考虑一种新的基于四方向导数信息的图像非线性扩散去噪方法.该方法将原有非线性扩散去噪中的二阶扩散矩阵扩展为四阶扩散矩阵,并由边缘的实际取向来决定像素点邻域内八个点对该点去噪的贡献大小,有利于更好的保护边缘和对边缘定向.数值计算结果表明,新方法较原有方法具有更高的峰值信噪比.     

避免颜色越界的各向异性扩散图像彩色化

图像彩色化是根据人工描绘的局部初始颜色用计算机为灰度图像着色。该文提出一种各向异性的非线性扩散图像彩色化方法,该方法能够克服颜色越界问题。首先建立基于偏微分的扩散方程,通过设置自适应的张量函数,使颜色在平滑区域快速均匀扩散,在颜色交界处按各向异性方式扩散,能够有效增强边缘颜色的连贯性。算法采用有限差分法实现扩散方程的数值求解,与当前流行的彩色化技术相比,该方法能得到更加清晰自然的彩色化图像和更高的图像质量。     

基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.