基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

基于各向异性Markov随机场的三维显微图像复原

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法。小波是当前研究的热点,它能够很好地刻画图像的边缘信息。为了有效地保留图像的边缘,根据小波变换后各个子带小波系数的方向性特点,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理;本文采用正则化比例系数自适应调整方法,当算法收敛到全局最优时,正则化比例系数也达到最优选择;考虑到噪声的影响,算法在每一步迭代求解过程中,对估计出的图像进行去噪处理。实验结果表明,本文算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声。     

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

带预处理的双树复小波医学超声图像去斑

针对现有方法在去除医学超声图像斑点噪声上的局限,提出一种带预处理的双树复小波变换的去斑算法。先从超声I/Q图像中提取实部,并从中"盲估计"出系统的点扩散函数;然后通过维纳滤波,估计组织反射率图像;接着对该图像作同态变换将乘性噪声转化为加性,并进行噪声高斯化处理;最后采用双树复小波变换和双变量收缩函数,获得去斑后的超声图像。分别对同质和边界区域的超声仿真图像、实际超声血流图像采用本文方法和现有方法进行比较实验,结果表明,采用本文方法可将超声图像的斑点信噪比和边界保留指数平均提高2.066和4.091倍,归一化均方差平均降低3.831倍,整体性能指标优于现有方法。     

复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。     

基于复小波块阈值的降噪方法及其在机械故障诊断中的应用

提出一种基于对偶树复小波块阈值的信号降噪方法,并将其成功应用于机械故障诊断中.机械设备的振动信号都或多或少地含有噪声,导致弱故障信息的提取一直是故障诊断的难点和热点.提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性,可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的NeighBlock降噪法更高的信噪比,不仅能有效抑制高斯白噪声,还能够去除冲击信号中的脉冲噪声.对实际信号的研究表明:这种降噪方法可以提取齿轮箱早期故障信息和强噪声背景情况下的隐含故障信息,特别对提取弱冲击故障信号非常有效.     

基于二进小波多分辨率逼近的层析三维数字化图像边缘检测研究

采用Ｂ样条小波来提取层析图像的边缘轮廓,用高斯函数为平滑函数,用Ｍａｌｌａｔ快速算法进行小波分解,分解出的局部极值就是层析图像多尺度边缘。这两种算法在不同的尺度下有不同的提取边缘细节的能力和抑制噪声的能力。做到了抑制噪声和提取边缘细节之间有机的统一。结果证明这种方法比传统的基于微分算子的边缘提取方法更适合于层析图像边缘轮廓的提取     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

基于小波域维纳滤波的光纤面板暗影检测

通过分析光纤面板透光图像的噪声性质,提出在小波去噪的始末对图像取对数、指数变换,成功转换噪声模型,有效去除高斯及斑点噪声.并提出在小波域采用维纳滤波算法以增强去噪功能,实现更为有效地去除光纤面板透光图像中的噪声.最后对去噪图像进行暗影检测,实验结果表明,采用此算法进行去噪,检测出的暗影定位更加精准,冗余信息大量减少,有...     

The homogeneity map method for speckle reduction in diagnostic ultrasound images

This paper proposes a new method to reduce speckle noise in diagnostic ultrasound images by improving the speckle reduction capacity of an edge-sensitive filter. A homogeneity map is generated according to the local statistics of the window formed for each image pixel. The homogeneity map method uses the advantageous properties of a filter with a better smoothing capability than the edge-sensitive filter to increase the image quality of the edge-sensitive filter. We conducted our study using a cyst image simulated by the Field II program, a kidney image, and a real ultrasound image to which we applied two popular filters: SRAD and OBNLM. The results show that our proposed method has better denoising performance than the edge-sensitive filter, without any loss of edges.     

基于移不变抗混叠轮廓波变换的混合统计模型图像降噪

针对抗混叠轮廓波变换缺乏平移不变性的缺陷,构造出具有近似移不变性的抗混叠轮廓波变换。在此基础上,在变换域提出一种混合统计模型图像降噪方法。该方法充分利用变换域信号系数层间层内相关性强、噪声系数无层内相关性且在小尺度下存在较强的假层间相关性的特点,采用混合统计模型对小尺度信号系数进行估计,从而避免了非高斯双变量模型放大噪声系数的风险。实验结果表明,提出的去噪法能克服轮廓波变换中的频谱混叠,避免重构图像出现"划痕"和边缘模糊现象,得到的峰值信噪比(PSNR)值分别比轮廓波硬阈值去噪、轮廓波变换域HMT去噪和抗混叠轮廓波变换域硬阈值去噪平均高2.87,1.32和1.36 dB,在有效去噪的同时,具有较好的图像边缘和细节保护能力。     

Linear filtering of 2-D wavelet coefficients for denoising ultrasound medical images

The paper presents a novel denoising method for ultrasound medical images, whose quality is degraded by the peculiar phenomenon of speckle noise. The method is constructed step-by-step on the basis of recent research on the topic, and consists in Gaussian filtering of proper wavelet coefficients of the image, corresponding to vertical and diagonal details. A comparison with other filtering techniques for ultrasound imaging, i.e. Wiener and median filter, is presented. The obtained results, combined with those reported in independent research, demonstrate that the proposed denoising scheme has very good performance and is very promising for actual medical application.     

基于能量的DSPI相位图正余弦降噪

针对数字散斑干涉(Digital Speckle Pattern Interferometry,DSPI)测量中散斑噪声干扰会导致相位提取困难、测量灵敏度降低的问题,提出基于能量的DSPI相位图正余弦滤波法,克服传统滤波方法不具有自适应性的不足,提高了相位图质量。该方法根据正交小波包能量估算DSPI相位图中的噪声能量;对相位图分别进行正余弦变换,采用均值法平滑处理;利用噪声能量设定滤波阈值,实现相位图有效滤波,文中将噪声能量与正余弦滤波结合可以自适应地进行降噪处理,利用能量控制图像滤波效果。仿真和实验结果表明,基于能量的正余弦滤波法较传统方法可以减少50%的循环次数。证明了本文提出的方法能够有效地对数字散斑干涉相位图进行滤波,提高信噪比。     

Curvelet域贝叶斯估计侧扫声呐图像降斑方法

针对侧扫声呐图像的斑点噪声,提出了一种贝叶斯估计的Curvelet域降斑方法.依据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布乘性噪声模型.将取对数后的含斑图像进行Curvelet变换,依据噪声系数的瑞利分布、信号系数的高斯分布,结合贝叶斯理论的最大后验概率估计方法,在近似条件下,得到Curvelet变换域系数估计的理论解析式.采用局部自适应的邻域窗口确定方法,对Curvelet变换域处理后的系数进行逆变换,再经过指数变换后得到降斑的侧扫声呐图像.实验结果表明,在客观评价指标和主观视觉效果方面,新方法均取得了优于传统的空间滤波及基于小波的降斑方法的效果.     

应用图像纹理连续性的4f系统图像非下采样轮廓波变换域降噪

4f系统同时具有噪声和低通特性,为实现对其输出图像降噪的同时保护图像细节,提出一种结合图像纹理连续性的非下采样轮廓波变换域去噪方法。在传统NSCT域硬阈值去噪方法基础上,首先,对高频子带图像用一个衰减的阈值去除小幅值的噪声点,以更多地保护图像细节并凸显剩下的大幅值噪声点的孤立性。然后,利用图像细节纹理连续性分布和剩下的大幅值噪声点孤立分布的区别分离余下的图像细节和噪声点,进一步实现去噪的同时更好地保护图像细节的目的。实验结果表明,与传统方法相比,该方法峰值信噪比(PSNR)提高了0.5~1dB,结构相似度指数(SSIM)提高了3%~5%,因此能更好地保护图像细节,视觉边缘效果更清晰。