一种新型的去除图像中强脉冲噪声滤波器

图像滤噪时利用的先验知识越多滤波效果越好,但是一般情况下我们只能得到一幅被污染的图像,因而无法获得这些信息。针对这点,文章提出了一种去除图像中椒盐噪声的新型滤波器。该滤波器首先根据椒盐噪声的特点,对滤波窗口中的象素进行一种排除最大和最小的操作,滤除椒盐噪声点。其次,根据图像区域特性信息对滤波窗口再进行一次排除次最大和最小的操作。实验表明该滤波器在性能和速度两方面均强于现有的滤波器,特别是当噪声概率超过0.3时,这种优势尤为明显。     

基于混合先验的CT图像重建研究

在图像重建中,可以通过贝叶斯方法引入先验知识来抑制噪声提高重建的质量,提出了基于Gibbs先验和解剖中值先验混合的算法,该方法根据Gibbs先验分布和中值先验分布,先用基于Gibbs先验分布的算法多次迭代图像,再结合解剖结构先验,将以后每次迭代后的图像分割成不同的区域,将分割后的图像像素运用于中值先验.仿真实验表明,在...     

一种新的基于自适应神经网络模糊推理系统的图像滤波器

提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的三个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。     

噪声图像滤波的树型滤波器

本文提出了一种在空间域根据图像的邻域特性和边缘方向信息进行滤波与增强的方法。该方法利用图像的结构信息,对噪声进行分区处理,克服了传统线性滤波器引起的边缘模糊和细节损失。在算法实现上,充分发挥中值滤波器滤除脉冲干扰能力强,边缘保持好的优点。从而使恢复图像边缘和细节清晰。理论分析和计算机仿真结果表明,本文提出的滤波器结构在噪声滤波和边缘保持方面优于中值滤波,α-裁剪均值滤波、Winsorized均值滤波,建立了一种崭新的硬件方案。(本算法已在PCVISION图像系统上仿真。)     

CT图像重建滤波反投影算法中指数滤波器的研究

CT技术的核心是图像重建,而图像重建的决定因素是重建算法,其优劣直接影响对重建结果准确性的判断。CT图像重建算法可以分为迭代法和解析法两大类,其中解析法具有比较严密的数学理论基础,且处理速度快,所以在CT技术领域得到广泛应用。在解析重建算法中,滤波反投影算法拥有较高的运算效率,能获得较好的图像重建质量,而且滤波反投影算法的成本低,易于通过并行实现,便于进一步提高其重建速度,所以该算法为解析法中的主流算法。根据滤波反投影算法的实现原理,其中滤波函数的选取对重建结果、重建速度等方面有着举足轻重的作用。针对滤波函数的选择进行研究,首先在分析常用R-L和S-L滤波函数的基础上,引入指数滤波函数的研究,并借助调整指数参数的取值,分析了该函数在无噪声和有噪声情况下对图像重建的影响。通过实验仿真的方法,验证了指数滤波函数在保证较好的空间分辨率的情况下,保持了良好的图像重建特性。     

CT图像的边缘重建

随着科技的不断发展,CT作为一种先进的成像技术,被广泛的应用于工业无损检测和医学图像处理中。在工业上,采用CT技术对产品进行无损检测时,经常需要对重建出的CT图像进行边缘提取。一般来说这两步是分开的,先进行图像重建再进行边缘提取,本文将二者结合起来,研究在CT重建过程之前直接对投影数据进行预处理以得到图像边缘特征的重建方法。并用计算机仿真实验验证了该方法的可行性。     

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。     

CT 图像重建加速的几种方法

CT 图像重建速度是衡量CT 系统的重要指标之一。论文针对滤波反投影算法综述了当前国内外的重建加速技术,阐述了普通PC 上的加速方法,通过构建集群系统进行并行重建的方法,采用多个DSP 连接成并行计算模块的加速方法,基于现场可编程门阵列(FPGA)的并行重建方案,采用GPU 图像卡实现图像重建,采用细胞宽带引擎(CBE)的图像重建方案。在应用性能方面分析了各种加速方法的优缺点。     

基于Log-Gabor滤波器的SAR图像变化检测研究

合成孔径雷达(SAR)图像具有良好的操作性能和较高的分辨率.针对多时相SAR图像,提出了一种多尺度多方向的图像变化检测方法.通过斑点抑制各向异性扩散滤波(SRAD)和离散小波变换(DWT)对SAR图像进行预处理,利用Log-Gabor(LG)滤波器组对处理后的无斑点图像进行多尺度多方向设计,将多个方向的最大幅值相加得到基于特征的尺度表示.通过设计最小重叠的传输函数来扩大覆盖广泛的滤波器带宽,对每个尺度进行多方向处理得到差分图像系数,将各尺度的差分系数序列相加进而计算差分图像.最后,利用真实的武汉市SAR图像数据集验证了该方法的性能.     

基于改进图像重建算法的工业CT系统

目前工业CT扫描只能得到某一断面上的二维信息,不能得到被检测物的整体描述,人们希望获得具有高真实感的三维图像;Smith和Grangeat分别提出了三维投影重建算法,H.Kudo在对两种算法分别进行研究的基础上,提出了Smith-Grangeat方法,同时继承了两种算法的优点,但存在图像明显失真和衰减问题;通过对Smith-Grangeat方法进行改进,使图像失真减小;仿真结果验证了算法的有效性和工程实用性.     

A new class of detail-preserving filters for image processing

A new class of median type filters for image processing is proposed. In the filters, linear FIR substructures are used in conjunction with the median operation. The root signals and noise attenuation properties of the FIR-median hybrid filters are analyzed and compared to representative edge preserving filtering operations. The concept of multilevel median operation is introduced to improve the detail preserving property of conventional median and the FIR-median hybrid filters. In the multilevel filters there exists a tradeoff between noise attenuation and detail preservation. The analysis and examples indicate that FIR-median hybrid filters preserve details better and are computationally much more efficient than the conventional median and the K-nearest neighbor averaging filters.     

混合滤波指纹增强

在自动指纹识别系统中,从指纹图像准确和可靠地提取细节点是一项很重要的工作,而指纹图像的质量和合适的增强技术又是指纹特征提取的关键步骤。根据方向一致性条件,可以将指纹划分为方向平缓区域和方向变化剧烈区域。在方向平缓的区域,提出一种新的方向滤波器进行指纹增强,增强算法具有自适应性。在方向变化剧烈区域,方向滤波器不能很好地增强指纹图像,因此在频率域中对指纹进行增强。实验结果表明:该算法对指纹增强有较好的效果、较快的速度。     

多尺度特征复用混合注意力网络的图像重建

目的 针对以往基于深度学习的图像超分辨率重建方法单纯加深网络、上采样信息损失和高频信息重建困难等问题,提出一种基于多尺度特征复用混合注意力网络模型用于图像的超分辨率重建。方法 网络主要由预处理模块、多尺度特征复用混合注意力模块、上采样模块、补偿重建模块和重建模块5部分组成。第1部分是预处理模块,该模块使用一个卷积层来提取浅层特征和扩张特征图的通道数。第2部分是多尺度特征复用混合注意力模块,该模块加入了多路网路、混合注意力机制和长短跳连接,以此来进一步扩大特征图的感受野、提高多尺度特征的复用和加强高频信息的重建。第3部分是上采样模块,该模块使用亚像素方法将特征图上采样到目标图像尺寸。第4部分是补偿重建模块,该模块由卷积层和混合注意力机制组成,用来对经过上采样的特征图进行特征补偿和稳定模型训练。第5部分是重建模块,该模块由一个卷积层组成,用来将特征图的通道数恢复至原来数量,以此得到重建后的高分辨率图像。结果 在同等规模模型的比较中,以峰值信噪比（peak signal-to-noise ratio,PSNR）和结构相似度（structural similarity index measure,SSIM）作为评价指标来评价算法性能,在Set5、Set14、BSD100（Berkeley segmentation dataset）和Urban100的基准测试集上进行测试。当缩放尺度因子为3时,各测试集上的PSNR/SSIM依次为34.40 dB/0.927 3,30.35 dB/0.842 7,29.11 dB/0.805 2和28.23 dB/0.854 0,相比其他模型有一定提升。结论 量化和视觉的实验结果表明,本文模型重建得到的高分辨率图像不仅在重建边缘和纹理信息有很好的改善,而且在PSNR和SSIM客观评价指标上也有一定的提高。     

Blockwise conjugate gradient methods for image reconstruction in volumetric CT

Cone beam computed tomography (CBCT) enables volumetric image reconstruction from 2D projection data and plays an important role in image guided radiation therapy (IGRT). Filtered back projection is still the most frequently used algorithm in applications. The algorithm discretizes the scanning process (forward projection) into a system of linear equations, which must then be solved to recover images from measured projection data. The conjugate gradients (CG) algorithm and its variants can be used to solve (possibly regularized) linear systems of equations Ax=b and linear least squares problems minx∥b-Ax∥(2), especially when the matrix A is very large and sparse. Their applications can be found in a general CT context, but in tomography problems (e.g. CBCT reconstruction) they have not widely been used. Hence, CBCT reconstruction using the CG-type algorithm LSQR was implemented and studied in this paper. In CBCT reconstruction, the main computational challenge is that the matrix A usually is very large, and storing it in full requires an amount of memory well beyond the reach of commodity computers. Because of these memory capacity constraints, only a small fraction of the weighting matrix A is typically used, leading to a poor reconstruction. In this paper, to overcome this difficulty, the matrix A is partitioned and stored blockwise, and blockwise matrix-vector multiplications are implemented within LSQR. This implementation allows us to use the full weighting matrix A for CBCT reconstruction without further enhancing computer standards. Tikhonov regularization can also be implemented in this fashion, and can produce significant improvement in the reconstructed images.     

自适应正则MAP的CT图像重建方法研究

提出了一种基于自适应正则最大后验概率估计（MAP）的计算机断层（CT）图像重建方法,该方法可以自适应地选择正则化参数,并充分利用每一次迭代的重建结果的信息,不断对其进行更新,通过多次迭代得到最终的重建图像。通过对头部模型的一个切片进行仿真实验,验证了该方法的可行性。用实际实验数据,与传统的方法、最大似然期望（ML-EM）算法和滤波反投影（FBP）算法相比较,表明该方法适用性较强,能较好地保持图像的边缘信息,而且图像的信噪比较高。     

扇束工业CT图像重建算法的并行实现

工业CT图像的重建速度是工业CT产品的一个重要指标。使用并行算法是提高重建速度的一个行之有效的方法。提出了基于Beowulf集群系统的滤波反投影算法的并行实现方法;并且提出了基于Intel 奔腾SIMD技术的加速算法。在用4台P4/2.9 G微机构建的集群系统平台上对工业CT采集的4个不同的断层投影数据进行重建实验,实验数据表明使用SIMD技术可以得到4-6倍的加速,使用集群并行技术的算法能够得到1.5-3倍的加速,综合应用这两项技术可以得到8-10倍的加速。     

SDGAN: A novel spatial deformable generative adversarial network for low-dose CT image reconstruction

X-ray computed tomography (CT) is one of the most commonly used medical imaging technologies for the evaluation of many diseases. Full-dose imaging for CT ensures the image quality but usually raises concerns about the potential health risks of radiation exposure, especially for cancer patients. The conflict between reducing the radiation exposure and remaining diagnostic performance can be addressed effectively via reconstructing the low-dose CT (L-CT) to the high-quality full-dose CT (F-CT) ones. In this paper, we propose a Spatial Deformable Generative Adversarial Network (SDGAN) to achieve efficient L-CT reconstruction and analysis. SDGAN consists of three modules: the conformer-based generator, the dual-scale discriminator and the spatial deformable fusion module (SDFM). A sequence of consecutive L-CT slices is first fed into the conformer-based generator with the dual-scale discriminator to generate F-CT images. These estimated F-CT images are then fed into SDFM, which fully explores the inter- and intra-slice spatial information, to synthesize the final F-CT images with high quality. Experimental results show that the proposed SDGAN achieves the state-of-the-art performances on commonly used metrics and satisfies the reconstruction needs for clinical standards.     

Undersampled CS image reconstruction using nonconvex nonsmooth mixed constraints

Multimedia Tools and Applications - Compressed sensing magnetic resonance imaging (CS-MRI) has attracted considerable attention due to its great potential in reducing scanning time and guaranteeing...     

A new GVF-based image enhancement formulation for use in the presence of mixed noise

This paper is concerned with the introduction of a new gradient vector flow (GVF) field formulation that shows increased robustness in the presence of mixed noise and with its evaluation when included in the development of image enhancement algorithms. In this regard, the main contribution associated with this work resides in the development of an adaptive image enhancement framework that couples the anisotropic diffusion models with the adaptive median filtering that is designed for the restoration of digital images corrupted with mixed noise. To further illustrate the advantages associated with the proposed GVF field formulation, additional experiments are conducted when the proposed strategy is applied in the construction of anisotropic models for texture enhancement.