一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

三维医学图像的混合噪声去除方法

针对医学图像在采集传输等过程中易受噪声污染,且目前多数去噪方法对混合噪声去噪效果不好,影响三维重构精度的问题,提出了基于自适应三维分数阶积分和中值滤波结合的混合噪声去除方法。首先介绍了几种传统方法在去除混合噪声中的不足,然后基于三维图像梯度信息提出了三维分数阶积分的自适应分数阶阶数,利用分数阶积分和中值滤波的各自优点,将两者结合对混合噪声去噪,并提出了基于混合去噪的边缘曲面追踪算法。实验结果和数据分析表明,提出的混合去噪方法能够从噪声污染的医学图像切片中追踪出高精度边缘曲面,与传统去噪方法相比,具有更好的去噪效果。     

一种基于图像融合的红外图像增强新方法

介绍了一种红外图像增强的新方法.该算法对红外图像处理过程中不同类型的噪声采用不同的方法滤波,有效地滤除了高斯噪声和脉冲噪声,同时增强了目标和背景中的边缘成分.该方法以增加检测系统硬件复杂程度为代价换取对红外图像特定信息的增强,可用于地面背景下红外图像目标检测或匹配跟踪的预处理.     

一种图像融合的新方法

在众多图像融合算法中,不存在完美的算法,每一种算法都具有优点和不足。本文针对这一问题提出一种新的图像融合方法,即图像二次融合,通过对两种算法的融合结果再进行一次简单的像素选择得到最终融合图像。图像二次融合可以综合算法的优点,弥补之间的不足,获得更好的融合效果。实验表明,该方法获得的融合结果优于单一算法。     

双迭代等距均值滤波的医学图像恢复北大核心CSCD

医学图像中往往有很多与脉冲噪声灰度相同的像素,因此含脉冲噪声的医学图像的恢复非常困难。为了获得比现有的脉冲噪声滤波器更好的噪声抑制和纹理结构保持效果,提出了一种双迭代等距均值滤波(dual iterative equidistant mean filter,DIEMF)的医学图像恢复方法。该方法采用等距离邻域进行噪声检测和去除;噪声检测器循环地利用邻域的非最值像素与中心像素之间的平均绝对差,以及利用多数原则,将噪声像素与无噪像素区分开来;噪声去除采用自适应和双迭代的方法,以等距邻域中无噪像素和先前恢复像素的平均值作为中心噪声像素的灰度估计值,充分利用最近的先前恢复的像素。实验结果表明,该方法在噪声抑制和纹理结构保持方面优于现有的方法,特别是对于低密度噪声,它比现有的滤波器具有显著的优越性。     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

一种视频监控图像条纹噪声去除算法

针对视频图像中图像传感器故障引起的等间距横纹噪声去除问题,提出了基于陷波滤波器的去除条纹噪声算法;首先将视频条纹图进行傅里叶变换,通过频域累积分布函数映射法构造自适应滤波器,用该滤波器对变换后的条纹图像进行滤波,最后用Laplacian算子进行锐化处理得到最终去噪声图像。实验结果表明,本算法适合用于去除有图像传感器故障引起的等间距横纹噪声。     

一种提高SAR图像分割性能的新方法

针对传统小波变换域SAR图像分割存在边缘保持和方向分辨率较差的不足,该文提出了一种在非下采样Brushlet变换域提取图像灰度共生概率特征的新方法。该方法在Brushlet的不同方向系数块中利用自适应窗口的Gabor滤波器提取灰度共生概率特征,有效地解决了实际操作中的最优窗口尺寸的选取问题,并利用压缩感知来对冗余的特征进行压缩,降低了聚类复杂度。最后使用模糊C均值聚类,得到分割结果。实验结果表明：该文方法与其它方法相比在边缘保持和方向分辨上有明显优势,获得了更好的分割结果。     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

超分辨率图像重建引起的噪声放大与滤波

总结了图像序列相位关系对超分辨率图像重建效果的影响规律,对超分辨率图像重建引起的高斯噪声和散粒噪声的放大予以研究.通过叠加不同方差的高斯噪声的图像序列重建实验,得到结论维纳滤波可以有效地滤除放大后的高斯噪声,但是超分辨率图像重建后散粒噪声放大成为"波纹"形状的噪声,传统的中值滤波法不能有效地滤除放大后的"波纹"形状噪声...     

基于中值滤波器的红外图像噪声处理的改进方法

基于红外图像成像的机理和热像仪工作方式,红外图像往往混有大量随机噪声,而这些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方式,对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中不能改变。噪声密度越大需要处理窗口越大,但也导致图像的细节相应越模糊。综合窗口大小对降噪能力和细节处理能力的影响,文中对传统的中值滤波器算法进行改进。实验表明,在中值滤波器去除噪声的过程中,随着窗口图像噪声分布情况动态调整窗口大小,能够做到既尽可能去除噪声,又尽可能保持图片的细节,使图像处理整体效果得到提升。     

一种基于两阶段的脉冲噪声滤除算法

本文提出了一种基于两阶段的脉冲噪声滤除方法.在算法的第一阶段,提出利用列队排序检测器(ROD)来检测图像中所有可能的脉冲噪声点.在第二阶段,对所有的噪声候选点进行自适应中值滤波,滤波窗口的尺寸大小是根据噪声密度自适应调整的.该算法能对图像的边界以及非噪声点进行保护.实验表明,本文算法在滤除脉冲噪声的同时可以有效地保护图像细节,尤其是在噪声密度非常大的情况下.     

激光主动探测图像散斑自适应滤波抑制方法研究

激光主动照明成像具有作用距离远、系统分辨率高、可在低照度背景等复杂环境下获取目标图像等优点,但探测图像会受散斑噪声干扰.把高斯滤波、均值滤波和自适应滤波方法分别应用到仿真实验中进行散斑噪声抑制,实验表明:与高斯滤波和均值滤波相比,自适应滤波能有效抑制图像噪声,保留图像的边缘和细节信息.利用自适应滤波方法对获取的单帧和多帧累加平均的激光主动探测图像进行散斑抑制实验,使用散斑对比度进行定量分析,结果表明多帧短曝光图像累加平均可有效抑制图像的散斑噪声,自适应滤波可进一步降低图像的散斑噪声.     

基于数学形态学与自适应的超声医学图像滤波方法的研究

超声医学成像作为主要的医学影像技术之一,因其对人体无伤害、实时、价格便宜和使用方便等优点已广泛应用于临床.然而,在成像过程中形成的特有的图像斑点,使得对比度弱的人体软组织中的正常组织和病变组织不易区分,给临床诊断和医学研究带来不便.针对医学超声图像的特点,在研究了几种常用滤波方法后,提出一种自适应中值滤波和形态滤波结合的新方法,并做了实验验证.实验方法是:首先对所选择的医学超声图像施加瑞利噪声,然后采用中值滤波、自适应中值滤波的方法对被污染的图像进行去噪处理,接下来先采用自适应中值滤波对图像进行预处理,抑制斑点噪声,保留必要细节,再采用数学形态学方法进行二次滤波和增强对比度,进一步改善图像质量.最后从去噪图像和评价指标上对三种滤波去噪方法进行了比较.实验证明,新方法优于其他方法.     

应用小波分析对图像进行降噪处理

对传统傅里叶变换与小波变换进行理论分析比较,运用小波分析中小波变换具有对信号的自适应特性可以消除实际信号噪声中的高频成分,通过使用Matlab-6.51中的Wavelet工具箱可实现对图片的降噪操作,最终达到降噪效果。     

A new method of magnetic resonance image reconstruction with short acquisition time and truncation artifact reduction

A method for the reconstruction of magnetic resonance images that allows for a substantial reduction of the quantity of measured data and, therefore, of the acquisition time is described. The truncation artifact is also reduced, improving the image quality. The method is based on techniques for getting superresolution in spectral analysis such as autoregressive modeling and Prony's method. Moreover, some new ideas about the autoregressive order selection are introduced. The method is compared to the standard one for reconstructing simulated, phantom, and medical magnetic resonance images. The numerical stability and the computational cost issues of the resulting algorithm are also addressed     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

Quaternion switching filter for impulse noise reduction in color image

A novel approach to impulse noise reduction in color image is introduced in this paper. By applying the quaternion unit transform theory, the difference between two color pixels can be represented in the quaternion form. Based on the difference mentioned above, an efficient filter that can switch between the vector median filter (VMF) and the identity filter (no filtering operation) is proposed. Extensive simulation result indicates that the proposed filter achieves a trade-off between noise suppression and detail preservation in both correlated and uncorrelated impulse noise scenarios when compared with other widely used filters. Furthermore, the computational complexity analysis shows that the proposed filter is quite efficient.