SAR图像各向异性扩散滤波算法

为了抑制SAR图像中固有的乘性相干斑噪声,本文提出了一种基于各向异性扩散滤波的新算法。该算法首先将自蛇扩散引入经典的SRAD与DPAD算法各向异性扩散方程中,形成了一种带边缘增强功能的各向异性扩散新方程;然后利用改进Frost滤波系数作为扩散方程的新扩散函数,形成了一种既能有效抑制相干斑,又能较好保护边缘、抑制块效应现象的新扩散函数。实验表明,新扩散滤波算法在相干斑抑制、边缘保护、块效应抑制方面均比传统各向异性扩散滤波算法更优异。     

SAR图像相干斑噪声的各向异性扩散滤波算法

传统各向异性扩散滤波算法以梯度作为边缘检测与扩散系数生成的主要依据,当其用于抑制SAR图像中的乘性相干斑噪声时,存在对噪声敏感,边缘检测非恒虚警,扩散不均衡等问题,为此提出了一种新的各向异性扩散滤波算法.该算法利用平行窗通过比率运算生成边缘强度映射(ESM),然后利用ESM代替梯度作为边缘检测与扩散系数生成的主要参数,...     

基于改进各向异性扩散的图像去噪算法

针对纹理等细节信息丢失和图像边缘退化的问题,本文提出了一种基于l_(2)范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合,根据图像梯度的变化,构建局部图像梯度模值与扩散强度之间的关系,不同的梯度模值选择不同的扩散函数;然后利用l_(2)范数确定扩散函数中的梯度阈值,进一步提高去噪模型的泛化能力。实验结果表明,该模型不仅可以解决传统PM模型存在的孤立点问题,而且能够有效地保护图像边缘特征和轮廓结构的完整性,与原始算法相比图像信噪比提升了1.47~1.57 dB,结构相似度提高了17%,在保证去噪效果的同时提高了去噪效率。     

自适应SUSAN扩散的超声图像去噪算法

为了降低超声图像斑点噪声的影响,提出一种自适应SUSAN(ASUSAN)扩散的超声图像去噪算法.通过引入SUSAN算法检测出图像的边缘,然后采用K均值法对模板区域特征值进行分类,自适应获得图像的全斑点噪声区域和相关参数,最后将SUSAN算法与非线性扩散方法相结合,提出一种新的扩散方程对图像进行非线性去噪.实验证明,相比于其他的各向异性扩散算法,本算法能得到更高的PSNR值和FOM值以及更小的MSE值,且在细节保留方面也能取得更好的效果.     

血管内超声图像的噪声抑制与增强算法研究

针对含强背景噪声的血管内超声图像,噪声滤波和边缘增强是对血管内超声图像进一步处理的基础工作.提出一种自适应中值滤波结合改进的高通滤波的方法,有效的滤除了噪声并保持了边缘信息.Retinex增强算法可获得图像中各像素的相对明暗关系,并通过这种相对关系进行线性映射,从而增强图像且对噪声影响较小.实验结果表明,综合运用该滤波和增强方法,在滤除噪声的同时对边缘的增强有着比较满意的效果,为以后血管中外膜的提取提供了基础.     

双树复小波域图像非线性扩散滤波

提出了结合一种双树复小波变换的非线性扩散图像滤波模型。充分利用了双树复小波变换和非线性扩散两者的优点。通过对噪声图像经双树复小波变换后的不同尺度上的子带图像进行扩散,在双树复小波域计算子带图像的梯度.采用p-范数方法选择合适的梯度阈值,在扩散过程中可以根据图像属性自适应选择扩散强度。实现了建立在图像精细分析基础上的新非线性扩散模型。实验分析表明,提出的模型能有效抑制传统非线性扩散模型出现的阶梯效应,在对图像滤波的同时能保留更多的图像边缘,纹理等细节信息。     

基于中智理论与方向α-均值的图像边缘检测算法

为了提高边缘检测算法对目标边缘细节的保持能力和降低噪声导致的伪边缘等问题,设计了一种基于中智理论与方向α-均值的边缘检测方案。首先,基于中智理论,将图像转换为中智图像,通过真实性、不确定性和虚假性3个要素来表示中智图像,提高了噪声等不确定性信息的表达能力;然后,为了有效地去除了噪声并保持边缘细节,计算中智图像像素的方向掩模,并通过方向平均函数定义了一种方向α-均值算子,并利用生成的方向α-均值算法对图像进行各向异性滤波;最后,构建了一种迭代方程,通过判断梯度的阈值来确定图像像素是否为边缘像素,从而完成边缘检测。实验表明,与当前流行的边缘检测算法比较,所提方法能够更为准确地检测出目标边缘,在不同噪声水平干扰下,其检测结果中所含的伪边缘与不连续边缘信息更少。     

结合DRLSE模型的自适应医学图像分割算法

最近提出的距离正则化的水平集演化新模型采用高斯滤波去除图像噪声,存在使图像边缘变模糊和仍然不能实现自适应分割的问题.为了解决这些问题,采用正则化的P-M方程滤波,实现在去除噪声的同时保护图像边缘信息.并且通过初始曲线内外梯度模值的信息改变曲线单位法向量的方向,从而使曲线自适应地向内或者向外演化.最后,用改进的算法准确地...     

血管内超声图像的预处理

对血管内超声图像进行噪声滤波和边缘增强是对图像进一步处理分析的基础工作。针对采集到的强背景噪声的血管内超声图像,双边滤波利用像素间的空间距离和灰度值之差来控制滤波效果,即平滑了图像又保持了边缘。Retinex算法把图像分解为反射物体图像和入射光图像,在增强管壁边缘的同时对噪声影响小。实验结果表明,综合利用双边滤波和Retinex增强算法,在滤除噪声增强边缘有较满意的效果,对血管壁边缘检测有明显的改善。     

一种具有保留边缘信息的改进SUSAN去噪方法

在图像去噪的过程中,大多数的滤波算法都会在滤除噪声的同时损失边缘信息,而SUSAN算子的原理使其具有保持边缘的特性.本文在原SUSAN滤波的基础上,提出自适应的灰度差阈值选取,并针对原SUSAN算法在图像边缘处滤波效果不佳的情况下提出两个阈值对噪声进行判断.通过对加入椒盐噪声和随机噪声图像的去噪仿真实验表明,对于单次滤波和多次滤波,改进的SUSAN滤波算子避免图像模糊、保留边缘信息方面都具有比普通滤波算法更好的效果.     

改进的基于大气光幕单幅图像去雾算法

在雾、霾等天气条件下,大气粒子的散射与吸收作用严重影响了监视图像的对比度与清晰度。本文讨论了基于大气光幕的去雾算法原理,针对双边滤波方法在估计大气光幕时产生梯度反转效应,提出一种改进的基于大气光幕单幅图像去雾算法,首先简化大气散射模型,然后利用各项异性扩散滤波方法估计大气光幕,可以很好地解决双边滤波方法的不足之处,最后,在算法中引入一种容差机制,针对天空区域处的大气光幕,纠正错误的估计,色彩失真现象被有效地克服。实验结果表明,改进后的算法显著地提高图像去雾的视觉效果。     

Image denoising using pulse coupled neural network with an adaptive Pareto genetic algorithm

Recently, pulse coupled neural network (PCNN) attracts much attention in image denoising as a nonlinear filtering technique. The PCNN‐based anisotropic diffusion (PCNN‐AD) method has been proposed previously for flicker noise reduction and its effectiveness has been demonstrated. Using the visual characteristics of PCNN, PCNN‐AD has also solved the problem of AD that AD is not able to suppress the isolate noise. However, there are still two drawbacks in PCNN‐AD, that is, time consuming and PCNN parameters' estimation. In order to improve the efficiency and the denoising performance of PCNN‐AD, a PCNN‐based method with an adaptive Pareto genetic algorithm (GA‐PCNN) has been proposed to restrain from additive white Gaussian noise (AWGN) in this paper. GA‐PCNN firstly integrates the PCNN and AD as a parallel system, then, optimizes the parameters of a simplified PCNN by the adaptive Pareto GA. Experimental results indicate that GA‐PCNN has better performances than the previous denoising techniques, i.e. median filter, Wiener filter, AD filter, and PCNN‐AD. The effectiveness of GA‐PCNN on AWGN reduction and edge preservation are shown finally. The results will also contribute to denoising in CMOS image sensors in the future. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。     

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓.构建了3个尺度、16个方向的Gabor滤波器.首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息.通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓.并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强.     

医学超声病灶图像预处理

图像滤波技术在图像处理中占有重要的地位。其中医学病灶超声图像主要被斑点噪声污染,对医生诊断病情带来干扰。针对医学超声图像噪声的特点提出了自适应中值滤波器,并与经典中值滤波器对含有不同噪声密度的胆囊超声图像进行去噪处理,对实验结果对比分析。结论表明:自适应中值滤波较经典中值滤波在对噪声密度较大的图像进行去噪时,能较好的保持图像细节信息,它能够有效改善图像质量。自适应中值滤波器较其他非线性滤波器有更好的视觉效果。