用于超声斑点噪声滤波的各向异性扩散新模型

由于扩散系数的缺点,原斑点噪声各向异性扩散模型(Speckle reducing anisotropic diffusion, SRAD)有产生板块效应、模糊弱边界与细节等缺点. 本文通过改进扩散系数,提出一种新的斑点噪声各项异性扩散模型(New speckle reducing anisotropic diffuse, NSRAD), NSRAD中采用一个S型函数作为扩散系数:在同质区域中,采用各向同性扩散, 避免了板块效应; 在结构性区域中,扩散速度变化敏感,同时以更快趋向于0的速度扩散,因此,提高了该区域的分辨率,达到增强细节和弱边界以及保留边界的锐利性的目的. 仿真图像的定量分析证明新方法不仅比原SRAD除噪更有效,而且提高了除噪后图像与原图像的结构相似性,同时具有更小形变. 真实图像的试验结果也证明新方法在有效除噪的同时消除了黑板刷效应,增强了边界以及细节.     

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。     

一种基于小波变换的自适应斑点滤波算法

提出了一种自适应斑点滤波算法,它基于小波变换检测图像中的边缘点,根据检测结果结合多视处理实现斑点滤波。文章从理论上证明了其可行性,实验结果表明该方法达到了平滑均匀区域且保留边缘的目的。     

各向异性自适应滤波在合成孔径雷达图像中对斑点噪声的去除

在相干成像过程中,散斑是一种非加性的过程,在去除噪声的同时不模糊边缘特征是一个公认的难题。我们提出一个新的散斑去除算法,它利用一个各向异性方向滤波器去自适应图像中最近域重要特征的距离和方向。通过对图像边缘位置和方向的估计,使得在去除斑点噪声的同时而不模糊边界。针对每一个像素,运用一个高效算法计算其到最近边缘的方向和角度,并将其分别存储到距离和方向映射中。然后,一个各向异性方向滤波器运用其中。最后,用真实的合成孔径雷达测试了该算法的有效性。实验表明,新的算法相比去其它方法而言,在散斑去除的同时能更好的保存边缘等特征信息。     

基于DTCWT方向信息的超声图像斑点噪声消除

针对一般的小波去噪方法在去除超声图像斑点噪声时不能有效保持图像边缘信息的问题,本文提出基于双树复小波变换(Dual tree complex wavelet transform,DTCWT)方向信息的超声图像斑点噪声消除算法.利用双树复小波变换6个方向复小波系数的相对方差来确定该点是否位于边缘或纹理上,对低于门限的像素...     

基于惩罚系数自适应修正的SAR图像滤波新算法

合成孔径雷达(SAR)图像存在较强的相干斑点噪声,严重地影响了地物信息的提取与SAR图像的应用效果。提出了一种新的SAR图像斑点噪声滤波算法,该算法以一种基于膜模型的M arkov随机场的近似最优迭代滤波算法(TSPR)为基础,考虑了邻域空间关系对势能函数的影响,并通过在迭代过程中自适应修正惩罚系数,来达到更好的斑点噪声滤波效果。通过对含不同强度斑点噪声的退化图像的对比试验结果来看,该算法在提高处理后图像的信噪比方面,能够取得较TSPR算法更佳的效果。     

基于多尺度快速非局部平均滤波的超声图像去斑算法

超声成像因其便捷、廉价、无辐射等优点被广泛应用于临床诊断中,然而图像中的斑点噪声可能对临床诊断或后续图像分析产生不利影响。作为一种典型的去噪技术,在利用非局部平均滤波（NLMF）对超声图像进行去斑时,会存在时耗高、滤波参数不易设置等不足,因此,提出一种多尺度快速非局部平均滤波（MF-NLMF）算法用来去除超声图像的斑点噪声。首先提出快速非局部平均滤波（F-NLMF）算法,利用互相关滤波技术减少运算时耗;接着设置多种窗口参数获得多幅去斑结果,而模型参数值可根据窗口尺寸自适应调节;最后将多幅去斑结果进行融合得到最终的去斑图像。实验结果表明：在相同实验条件下,与传统NLMF算法相比,F-NLMF算法的运算时间至少减少了96.04%;而MF-NLMF算法与迭代贝叶斯非局部均值滤波（IBNLMF）等算法相比,去斑图像的峰值信噪比（PSNR）值、特征相似度测度（FSIM）值、对比度噪声比（CNR）和信噪比（SNR）分别提高了0.73 dB、0.011、0.000 5、0.001 6以上。     

一种基于修正Frost核的SAR图像斑点噪声抑制方法

针对合成孔径雷达(SAR)图像的斑点噪声抑制问题,给出了一种新的基于斑点噪声统计特性的滤波方法。该方法是对Frost滤波核的修正,综合考虑滤波窗口内的中心像元以及其他像元的局部统计信息,克服了传统Frost滤波器由于等权运算所带来的边缘等结构信息的模糊;同时也弥补了增强型Frost滤波器保留过多“假细节”的不足。实验结果表明,该方法在噪声抑制和细节保持方面取得了较好的折衷。     

SAR图像斑点噪声的滤波方法研究

针对SAR图像的斑点噪声,分析斑点噪声的模型,给出一种改进的加权中值滤波和增强Lee滤波相结合的去噪方法流程,并用VC++实现这一方法流程。通过实例验证表明该方法流程能有效去除SAR图像中的斑点噪声和保持图像边缘信息。     

一种改进的自适应中值滤波算法研究

非线性滤波是一种有效的噪声抑制技术,已得到了广泛的应用。针对标准中值滤波方法存在的不足,提出自适应中值滤波方法。该方法采用一定的检测标准对图像中的噪声点进行检测,并采用改进的中值滤波方法对噪声点进行滤波。实验结果表明,此方法较标准中值滤波法具有更优良的滤波性能。     

红外图像的自适应混合消噪方法

针对带有高斯噪声和脉冲噪声的红外图像,提出一种自适应混合去噪方法。首先将受脉冲噪声和高斯噪声污染的像素区分开来,然后对被脉冲噪声污染的像素采用自适应层叠中值滤波法,对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明,该方法在信噪比(SNR)和最小均方误差(MSE)的改善上明显优于线性平滑滤波法和普通中值滤波算法,并具有较好的图像细节保护能力和较快的滤波速度。     

基于自适应微调因子的改进frost滤波

为避免frost滤波因使用同一微调因子带来边缘细节等结构信息的模糊,以及等距等权所带来的盲目平滑现象,对frost滤波算法提出了一种改进方案。该方案综合考虑滤波窗口本身的局域统计特性以及窗口内各像素本身的统计特性来自适应确定微调因子。通过对真实合成孔径雷达图像进行改进算法降噪实验,以等效视数和边缘保持指数两项指标为评价标准,并与不同微调因子的Frost滤波输出结果进行比较,结果表明改进算法比原算法有很大的改进,在边缘保持和去噪方面具有更好的滤波性能。     

SAR图像去斑方法

合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等应用。因此,SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一。一个理想的去斑算法应该在平滑的同时保持图像的边缘等细节不受损失,目前存在各种各样的算法,但没有一种方法能够完美的满足这一要求。本文对SAR图像的相干斑抑制问题进行了全面系统的研究,分析了相干斑的形成原因,总结了目前存在的相干斑抑制算法的主要思路,介绍了具有代表性的算法,并对各种算法的性能进行了定性分析和比较,给出了去斑算法定量评估方法,展望了SAR图像相干斑抑制的发展方向。     

分布相关的曲波阈值超声图像去噪方法

散斑噪声作为超声图像的主要噪声严重影响超声成像质量,滤除散斑噪声是超声图像处理过程中重要步骤。以曲波阈值去噪方法为基础,针对常用阈值函数中对较小曲波系数处理粗糙、不连续、收敛慢的缺点,通过分析实际超声图像中散斑噪声的分布,提出了具有与实际噪声分布相关特点的曲波阈值去噪方法。对比测试实验结果表明,曲波去噪方法相比其他去噪方法在不同噪声水平下均具有更加稳定优异的去噪性能,峰值性噪比提高了1~2 dB,平均结构相识度相比也有较大的提高。     

超声图像去噪方法

超声成像的相干特性导致了超声图像中固有的斑点噪声,斑点噪声既降低了图像的质量影响诊断结果,又给图像的边缘检测、特征提取等后续处理带来困难。因此研究如何在去除斑点噪声的基础上,有效保留边缘特征具有十分重要的意义。通过研究邻域斑点指数C的特点,将超声图像划分为均匀区域、含斑区域以及边缘区域,对于不同区域采用不同的处理方法。仿真实验表明,该算法简单有效,在去除斑点噪声的同时更好地保留了边缘特征,其性能大大优于传统的中值滤波算法。     

2DPCA-SIFT:一种有效的局部特征描述方法

PCA-SIFT （Principal component analysis—scale invariant feature transform）方法通过对归一化梯度向量进行PCA降维,在保留特征不变性的同时,有效地降低了特征矢量的维数,从而提高了局部特征的匹配速度. 但PCA-SIFT中对本征向量空间的求解非常耗时,极大地限制了PCA-SIFT的灵活性与应用范围. 本文提出采用2DPCA对梯度向量块进行降维的特征描述方法. 该方法相比于PCA-SIFT,可以快速地求解本征空间. 实验结果表明:2DPCA-SIFT在多种图像变换匹配和图像检索实验中可以实现与PCA-SIFT相当的性能,并且从计算效率上看,2DPCA-SIFT具有更好的扩展性.     

一种新的实时图加窗中值滤波算法

实时图的匹配性能是影响景象匹配精度的重要因素,然而实时图在获取过程中,由于受各种干扰因素的影响,图像存在模糊、毛糙等现象,影响了实时图的匹配性能。结合空域滤波方法中最常用的中值滤波器和邻域均值滤波器的特点,设计了一种加窗中值滤波器,并将其应用于景象匹配实时图的滤波预处理,通过仿真实验验证了该方法的有效性和在景象匹配中的实用性,可有效提高实时图的信噪比,改善其匹配性能。     

基于局部聚类的特征匹配筛选算法

特征匹配是图像拼接中的关键步骤之一,基于最邻近与次邻近欧氏距离比值的匹配算法往往存在大量的误匹配,好的筛选算法可以降低误匹配率提高处理效率,因此对于此类算法的研究具有重要意义.早期的RANSAC算法是一种被广泛使用筛选算法,但其存在迭代次数不确定,对BA过程不友好等缺陷.本文提出了一种全新的基于局部聚类思想的匹配筛选算法（LCMF）.利用SURF和ORB提取特征点,使用最邻近算法进行匹配,之后利用LCMF算法进行筛选,实验表明,在使用ORB特征提取时,该算法可以获得较好的筛选效果.