基于混合阶偏微分方程的超声图像降噪

针对偏微分方程在医学超声图像处理中的斑点噪声滤除问题,在全变分去噪模型和四阶LLT降噪模型的基础上,提出一种针对医学超声图像的混合阶变分降噪方法。该方法引入二阶全变分和四阶偏微分的混合阶偏微分方程作为正则项,并利用斑点噪声分布构建保真项。用标准测试数据和真实数据对所提混合阶变分降噪模型进行验证,试验结果表明,该模型在有效滤除超声图像斑点噪声的同时,能较好地保护图像的边缘和纹理细节信息。处理后的图像在峰值信噪比PSNR、均方误差MSE、运行效率方面均优于全变分和LLT模型。     

基于局部熵的量子衍生医学超声图像去斑

针对现有医学超声图像去斑方法的不足,该文提出一种基于局部熵的量子衍生医学超声图像去斑新方法。首先,将对数变换后的图像进行双树复小波变换(DTCWT),并对信号与噪声分别建模;然后,提取复小波中子代与父代小波系数的实部,计算其局部熵并进行归一化乘积,结合量子衍生理论得到用来调整信号与噪声出现概率的可调参数;最后,利用改进的双变量收缩函数获得去斑后的图像。通过实验,结果表明该方法与已有方法相比能够更有效地滤除医学超声图像中的斑点噪声并保留细节信息。     

一种基于图像结构保持降低SAR图像斑点噪声的非局部均值滤波

本文提出一种针对合成孔径雷达（SAR）图像保持结构的斑点去除（SPSR）非局部均值滤波算法,它基于图像的非局部自相似性。该SPSR算法的独特之处在于对相似结构中像素的辨识度强,因此可在散斑滤除的过程中避免图像模糊。为缓解散斑噪声对相似性测量的影响,两级过滤方案引入其中。滤波的第一阶段旨在得到一个结构相似性更精确的相似值,然后依据相似度大小对这区域实施强度不一的扩散滤波。与传统滤波器相比,该算法大大提高了散斑滤除的性能,同时,图像的结构保持更完好。     

基于Nakagami分布的自适应斑点抑制与边缘增强方法

超声图像中的特殊斑点噪声严重影响了图像质量,针对此问题提出了一种基于Nakagami分布的自适应斑点抑制与边缘增强方法.根据斑点噪声的Nakagami分布模型,设计一个基于斑点局部统计特性的自适应滤波器.并应用"窄条"技术以不同方向与长度的"窄条"来近似图像的局部线性特性,滤波区域采用"窄条"代替常用的方形窗口,其中"窄条"的方向由假设试验优化方法确定,"窄条"长度与斑点的局部统计特性相关.实验证明,该方法在抑制斑点噪声、保留与增强图像边缘和细节方面均具有良好的性能.     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

基于局部多结构元素的遥感图像消噪算法

提出了一种基于局部多结构元素形态学的遥感图像消噪算法.首先确定灰度突变像素点,利用定义的八种多结构元素对灰度突变像素点进行形态学的腐蚀操作,以实现对像素点的分类.若判断为噪声点则滤除该点,同时在该点处进行中值滤波以填补像素值;若判断为非噪声点,则保留该点像素值.仿真结果表明,该算法能够很好地滤除遥感图像中的孤立噪声点,保留遥感图像的细节,同时对参数的调整不敏感,能够应用于很多遥感图像的消噪中.     

小波和形态学在雷达平面位置图像杂噪处理中的应用

提出了利用小波来去除雷达平面位置图像（PPI）的散点噪声，然后利用形态学原理构造目标结构元来滤除斑点噪声和杂波，仿真结果表明，应用此方法可以有效去除噪声和检测目标。     

一种基于深度学习的自适应医学超声图像去斑方法

针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法。首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训练去斑模型并获得去斑后的图像。实验结果表明,该文较已有的方法,能更有效地滤除医学超声图像中的斑点噪声并更多的保留图像细节。

     

多尺度分辨分析关联的剪切波变换乳腺超声图像去噪

本文提出了一种基于多尺度分辨分析关联的各向异性剪切波乳腺超声图像噪声滤除算法,提出的方法可以有效滤除乳腺超声图像中的散斑噪声,较好地保留了图像的细节信息,极大的提高了乳腺超声图像的质量。     

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.