关于医学图像去噪的方法研究

目的 :为了研究新的医学图像去噪方法。方法:对同组图片做小波变换、中值滤波和合并小波变换和中值滤波图像去噪新方法 ,观察对比去噪后图片的清晰度。结果:通过对比实验,研究结果显示合并小波变换和中值滤波图像去噪方法有很好的临床效果。结论:合并小波变换和中值滤波图像去噪方法是有效的。     

三维激光点云多尺度去噪算法研究

针对地面激光点云数据中的多尺度噪声问题,提出一种高效、鲁棒的点云分类去噪算法。算法首先以K邻近距离为评价指标,对噪声点云进行尺度分类,并剔除大尺度噪声。然后,引入双边滤波去噪理论,以过邻域内所有点云的滤波平面为因子确定投影权函数,并引入曲面变分因子,对双边滤波因子进行改进。最后,采用改进的双边滤波去噪算法对小尺度噪声进行处理。实验表明,本文提出的算法能够有效减少邻域噪声的影响,具有一定的推广和应用价值。     

结合Wallis滤波的数字影像特征提取算法

针对Wallis滤波在增强影像对比度的同时也增强了影像上噪声信息不利于后续特征提取的问题,提出了1种结合Wallis滤波的数字影像特征提取算法。该算法在Wallis滤波对影像进行处理前,首先采用自适应平滑滤波对影像进行平滑去噪,避免后续噪声被放大;然后,分别采用Moravec算子和相位编组方法对二次滤波后的影像进行特征点、特征线提取。并与原始影像和直接基于Wallis滤波处理后影像的特征提取结果进行对比分析,结果表明,特征提取数目较原始影像有所增加,特征线连续性较好,验证了算法有效性。     

图像去噪方法的对比研究

本文介绍了图像噪声的类型及评价标准,对图像的几种去噪法进行了简单的分析,在总结这些去噪法的同时指出了去噪法中最新的研究领域。针对某些图像中背景复杂、目标对比度和信噪比低等特点,提出一种基于小波变换的图像去噪方法。     

基于变分法的医学超声图像去噪研究

目的 :医学超声图像中斑点噪声的存在,降低了图像质量,本文着重讨论医学超声图像的去噪问题。方法:针对超声图像的斑点噪声,本文基于全变分正则化模型,首先对超声图像进行对数变换,将乘性斑点噪声转化为加性噪声,再对对数变换后的图像进行全变分正则化处理,最后通过指数变换重构超声图像。结果:子宫超声图像去噪实验中,将全变分法与常用的中值滤波和小波变换去噪方法进行对比,结果显示全变分法的去噪性能指标明显优于其余方法。结论:采用基于全变分正则化的方法,不仅很大程度上抑制了医学超声图像的斑点噪声,而且保留了清晰的边缘细节信息,具有重要的学术价值和现实意义。     

基于双边滤波的振动响应数据去噪方法研究

利用双边滤波去噪算法,对力锤激励下简支梁振动响应数据进行去噪处理,并分析了去噪后时间域和频率域数据,结果表明,基于双边滤波的去噪方法能有效地去除随机噪声干扰,提高信噪比,为后续处理工作提供高质量的数据。     

基于变分模态分解的动态阈值分区滤波方法

为了更好地对地震资料进行保边去噪处理,提出了1种基于变分模态分解(variational mode decomposition,VMD)的动态阈值分区滤波方法。该方法通过在不同频带上针对分布强度不同的噪声进行自适应的阈值判断处理,将频带数据分为2个分别代表噪声和边界结构信息的特征区域,再对这2个区域选择适当的滤波方法进行噪声滤除。模型和实际资料验证结果表明,该方法不仅能提高地震资料信噪比而且保护并恢复了地层不连续性信息。     

图像的混合噪声消除系统分析与设计

图像是人类感知外部世界的视觉基础,也是获取、表达、传递信息的重要途径。由于图像的传送和转换,会产生图像的模糊、失真、有噪声等情况,因此图像去噪具有重要的意义。图像的混合噪声消除系统综合了五大类方法:空域滤波方法、频域滤波方法、维纳滤波、均值算法以及优化算法。经过多次实验,文章中系统处理图像方便快捷、准确率高,达到了预期效果。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

均值滤波及中值滤波在速度谱曲面滤波中的应用

实际获取图像中存在一定的噪声,而噪声必定会影响图像的清晰度、对比度等。为了解决这一问题就需要对信号进行相应的滤波处理,通过对随机信号数据分别进行取平均值和中值的方法进行去噪处理,以比较两种方法在提高信号信噪比和分辨率效果上的不同,并且将两种方法实际运用到速度谱曲面的滤波中,提高速度谱曲面的光滑度,从而便于叠加速度的拾取。