基于变指数各向异性扩散和非局部的最大似然期望最大低剂量CT重建算法

针对低剂量计算机断层扫描(CT)重建图像发生严重衰退的问题,提出一种基于变指数和非局部的最大似然期望最大(MLEM)低剂量CT重建算法。该算法考虑了传统各向异性扩散中降噪不充分的缺点,把可以有效折中热传导和各向异性扩散(P-M)这两种模型的变指数,以及代替梯度检测边缘和细节的相似度函数运用到传统各向异性扩散中,从而达到所期望的效果。该算法在每次迭代中首先采用基本的MLEM算法对低剂量CT投影数据进行重建; 然后利用基于非局部的相似性测度以及变指数和模糊数学的理论对各向异性扩散的扩散函数进行改进,用改进后的各向异性扩散对重建图像进行降噪;最后使用中值滤波对图像进行处理从而消除脉冲噪声点。实验结果表明,所提出算法的均方绝对误差、归一化均方距离均比有序子集惩罚最小二乘(OS-PLS)、有序子集惩罚最大似然一步迟疑(OS-PML-OSL)、基于传统P-M、基于方差的算法小,获得了高达10.52的信噪比。该算法重建出的图像可以在有效消除噪声的同时较好地保持图像的边缘和细节信息。     

基于改进各向异性的水平集医学图像去噪

针对成像复杂、噪声突出的医学图像在去除噪声的同时模糊边缘特征的现象,提出了基于改进的各向异性的水平集去噪模型。在水平集去噪模型的基础上,加入了改进的各向异性扩散因子,其中改进的各向异性扩散因子采用了中值滤波平滑后的梯度模替换原始图像的梯度模,对于医学图像中大量的斑点噪声更加有效,并保留了图像的边缘信息。基于Matlab平台对改进算法进行了验证,实验表明,基于改进各向异性的水平集算法在有效去除噪声的同时,非但没有模糊边缘特征,相反地起到增强边缘信息的效果。改进算法优于各向异性算法和中值滤波等算法,提高了图像的信噪比,降低了图像的均方误差,保留了更多细节信息,使得医学图像更好地用于诊断,以及后续的分割等处理。     

基于多方向中值滤波的各向异性扩散滤波算法

提出一种改进各向异性扩散滤波算法。现有研究方法多存在图像边缘不清,误识别多,扩散系数多凭主观选择等问题。该算法利用保留细节和边缘的能力较为突出的多方向中值滤波方法在多个方向上进行扩散,利用局部方差和图像梯度改进了扩散系数,通过多次迭代修正扩散系数,增强了算法的鲁棒性,且在滤除噪声的同时注重对边缘细节的保持。通过具体实验仿真,以峰值信噪比、均方误差、结构相似度以及图像佳数4个参数作为指标,对实验仿真结果进行了量化比较,表明该算法与传统各向异性扩散方法以及Catté_PM模型等改进方法相比,具备更好的滤除图像噪声以及保持图像边缘的能力。     

一种基于局部统计参数的图像扩散降噪新算法

针对各向同性扩散算法容易模糊图像特征信息以及张量扩散算法在图像同质区域内的噪声点处易产生伪条纹的问题,提出了一种能有效反映图像局部结构特征的局部方差作为特征参数,并基于该特征参数将上述两种算法相结合的新算法.该算法在对图像不同性质的区域进行降噪时,能根据图像的局部统计信息来调整上述两种扩散算法在该区域的扩散速度,以充分利用上述两种算法的优点并避免其缺点.实验结果表明,所提算法较几种经典的算法能更有效地去除噪声和保护、增强图像的边缘等特征信息.     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

基于偏微分方程的医学超声图像去噪方法

研究了各向异性扩散方程在医学超声图像去噪中的应用。在理论上对去噪原理进行了分析,并在此基础上采用改进的针对乘性噪声的各向异性扩散算法对医学超声图像去噪,实验结果表明,该方法在有效去除噪声的同时较好地保留了医学超声图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除超声图像斑纹噪声,提高图像的质量。     

基于Canny算子的边缘切线扩散医学超声图像去噪

医学超声图像的细节特征在临床诊断中具有重要的意义.针对于传统的PM算法以及各种改进型各向异性去噪方法(Catte_PM、SRAD、CENCD等)存在边缘中的噪声点未作处理,多次迭代产生虚假边缘等缺点,通过分析具有代表性的Catte_PM各向异性模型,提出了一种结合自适应Canny算子,沿图像边缘切线方向扩散的去噪方法.该算法首先通过改进的Canny算子将图像范围分为边缘区和非边缘区;其次改进现有的扩散方法,使扩散方向只沿图像边缘切线方向进行;最后对非边缘区域采用有限次(三次)的各向同性滤波.实验结果表明,该方法能够有效地解决滤波和图像细节保护这一矛盾问题,使得图像质量有较明显的改善.     

基于异性扩散-中值滤波的超声医学图像去噪方法

针对超声图像存在一种特殊的斑点噪声,使图像边界与细节变得模糊而严重影响图像质量的问题,提出了一种新的去除医学图像斑点噪声的方法,它利用中值滤波和各向异性扩散相结合,不仅可以有效地去除噪声而且很好地保持了边缘、局部细节信息.此外,该方法在扩散过程中,梯度阈值选取的不同对图像结果影响很小,这极大地提高了该算法的健壮性.实验中,通过和各向异性扩散、中值滤波等方法的比较,表明该方法具有良好的去噪效果.     

一种改进的PDE图像去噪方法

研究用于图像去噪的偏微分方程;在理论上对去噪原理进行了分析。通过对扩散方程中扩散系数的改进,提出了一个对噪声图像更有效、更具有适应性的去噪扩散模型,对高斯噪声图像进行处理。与传统的各向异性扩散算法进行了比较并对偏微分方程的未来发展方向进行了展望。实验结果表明,该方法在有效去除噪声的同时较好地保留了图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除图像噪声,提高图像的质量。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

小波域上图像非线性扩散滤波

提出一个小波域上图像扩散滤波恢复新模型。主要思想是把原图像作为最精细尺度下的小波子带，根据噪声分布的特点，导出保护较大尺度下信息的泛函模型代替小波阈值除噪，对泛函求变分得：Euler-Lagrange方程。新的滤波方法能避免小波阈值除噪的伪Gibbs现象，改进了同类型非线性扩散方程滤波的效果。利用可加算子分裂(AOS)格式求非线性扩散方程的数值解。实例的数值计算说明对图像滤波和保护边缘的有效性。     

引入欧氏距离的各向异性扩散相干斑抑制

目的 相干斑噪声严重影响SAR影像解译。抑制相干斑同时,获取较好的边缘保持效果始终是相干斑抑制的重点。针对该问题,提出一种引入欧氏距离的各向异性扩散（EDAD）相干斑抑制方法。方法 EDAD算法以P-M模型与SRAD算法为基础,利用邻近像素间区域欧氏距离代替原有边缘检测算子,自适应区分同质区与异质区,有效构造各向异性扩散系数,完成相干斑抑制。结果 运用EDAD算法与现存各向异性扩散算法对截取的两景TanDEM-X影像进行试验研究并比较各类算法的评估参数。EDAD算法的等效视数分别为3.996与5.859,均高于其他算法,体现优越的相干斑抑制能力;EDAD算法相干斑抑制前后比值影像的均值分别为0.999与1.001,方差分别为0.270与0.269,较其他算法均更接近理想值1与0.273,展现更优边缘保持与相干斑抑制能力。结论 本文算法可有效提高边缘检测能力,获取更优相干斑抑制效果。经验证,对分布较散的弱相干斑区域与分布较集中的强相干斑区域均有较好适用性。     

基于对数压缩的超声各向异性扩散去噪方法

针对当前超声图像去噪算法很难同时做到降噪和边缘保持的情况,在进行各向异性扩散模型研究的基础上,提出基于对数压缩的改进各向异性扩散算法（LCAD）去除超声散斑噪声。算法将图像对数压缩后进行噪声分布模型估计,然后构造基于广义伽马分布的扩散系数,在扩散过程中达到降噪和边缘保持效果。     

Improved Geometric Anisotropic Diffusion Filter for Radiography Image Enhancement

In radiography imaging, contrast, sharpness and noise there are three fundamental factors that determine the image quality. Removing noise while preserving and sharpening image contours is a complicated task particularly for images with low contrast like radiography. This paper proposes a new anisotropic diffusion method for radiography image enhancement. The proposed method is based on the integration of geometric parameters derived from the local pixel intensity distribution in a nonlinear diffusion formulation that can concurrently perform the smoothing and the sharpening operations. The main novelty of the proposed anisotropic diffusion model is the ability to combine in one process noise reduction, edge preserving and sharpening. Experimental results using both synthetic and real welding radiography images prove the efficiency of the proposed method in comparison with other anisotropic diffusion methods.     

基于各向异性扩散的图像平滑及在三维重构预处理中的应用

采用基于各向异性扩散的偏微分方程，其初始值为输入图像，转化为差分格式迭代求解滤波结果。在去除噪声的同时，保持重要的边缘和局部细节。在此基础上提出了8向的各向异性扩散和边缘增强的处理技术，取得了满意的结果，并将此切片图像经聚类分群运用到三维重构中，使重构的效果更好。     

带有高阶耦合项的各向异性扩散图像复原*

二阶各向异性扩散进行图像去噪容易产生块效应。针对这个方面的不足,通过在整体方差模型中引入高阶耦合项,使图像边缘得到保持的同时得到分片光滑的结果。分析了耦合系数和迭代次数对图像复原结果的影响。实验结果证明,引入高阶耦合项的新模型能够很好地防止块效应的产生。新模型与其他两种模型(整体方差模型、四阶偏微分复原模型)的图像复原相比,最大峰值信噪比比整体方差高出2 dB,比四阶偏微分高出1dB左右。     

基于各向异性逆扩散方程的指纹图像锐化去噪方法

基于逆扩散过程的启发,提出各向异性逆扩散算法用于指纹图像的锐化去噪方法,克服了退化扩散方程对大曲率边缘点的模糊效应,兼顾了去噪和保持边界这一矛盾的两个方面,尤其适合于纹理密集的指纹图像锐化.实验结果表明,本文算法对于带噪指纹图像的锐化效果明显优于以往非线性扩散处理算法.     

基于剪切波和改进P-M扩散的图像去噪

针对多尺度几何分析方法去噪时产生的伪Gibbs效应和各向异性扩散模型产生的阶梯效应,提出一种基于剪切波的改进各向异性扩散图像去噪方法。首先对噪声图像进行剪切波变换得到不同尺度的系数矩阵,然后利用改进的各向异性扩散方程对变换后的系数进行处理,实现建立在对图像精细分析基础上的各向异性扩散模型。实验结果表明,该方法能较好地抑制噪声和保持边缘,同时有效地抑制伪Gibbs效应,取得良好的视觉效果。     

改进的曲率滤波强噪声图像去噪方法

目的 医学影像获取和视频监控过程中会出现一些恶劣环境,导致图像有许多强噪声斑点,质量较差。在处理强噪声图像时,传统的基于变分模型的算法,因需要计算高阶偏微分方程,计算复杂且收敛较慢;而隐式使用图像曲率信息的曲率滤波模型,在处理强噪声图像时,又存在去噪不完全的缺陷。为了克服这些缺陷,在保持图像边缘和细节特征的同时去除图像的强噪声,实现快速去噪,提出了一种改进的曲率滤波算法。方法 本文算法在隐式计算曲率时,通过半窗三角切平面和最小三角切平面的组合,用投影算子代替传统曲率滤波的最小三角切平面投影算子,并根据强噪声图像存在强噪声斑点的特征,修正正则能量函数,增添局部方差的正则能量,使得正则项的约束更加合理,提高了算法的去噪性能,从而达到增强去噪能力和保护图像边缘与细节的目的。结果 针对多种不同强度的混合噪声图像对本文算法性能进行测试,并与传统的基于变分法的去噪算法（ROF）和曲率滤波去噪等算法进行去噪效果对比,同时使用峰值信噪比（PSNR）和结构相似性（SSIM）作为滤波算法性能的客观评价指标。本文算法在对强噪声图像去噪处理时,能够有效地保持图像的边缘和细节特征,具备较好的PSNR和SSIM,在PSNR上比ROF模型和曲率滤波算法分别平均提高1.67 dB和2.93 dB,SSIM分别平均提高0.29和0.26。由于采用了隐式计算图像曲率,算法的处理速度与曲率滤波算法相近。结论 根据强噪声图像噪声特征对曲率滤波算法进行优化,改进投影算子和能量函数正则项,使得曲率滤波算法能够更好地适用于强噪声图像,实验结果表明,该方法与传统的变分法相比,对强噪声图像去噪效果显著。