基于支持向量机的自适应均值滤波超声图像降噪

医学超声图像在成像过程中由于超声散射回波的相互干渉,导致所成图像中出现难以与器官、组织等人体结构区分的斑点噪声,给后期的临床诊断和图像后续处理带来了极大的不便。针对超声图像中的斑点噪声,提出了一种基于支持向量机(SVM)的自适应均值滤波超声图像降噪模型。该方法利用SVM的分类特性,将超声图像中的噪声信号和非噪声信号作出区分,再将SVM的分类结果和均值滤波相结合去对噪声图像进行去噪。这样可以保证医学含噪图像的组织区域和细节特征做到最大保留,噪声区域获得最大的平滑处理。在实验部分,通过对物理体膜和人体超声肝脏图像分别进行实验,结果表明,该方法可以有效抑制并降低超声图像中的斑点噪声,并保留了其边缘特征,使得去噪图像的信噪比显著增加,是一种有效的医学超声图像降噪方法。     

混合维纳滤波与改进型TV的图像去噪模型

在图像去噪处理过程中,为了保持图像的边缘及内部纹理信息,提出一种基于全变差改进的加权维纳滤波图像去噪模型。提出的模型利用加权项将维纳滤波与改进后的全变差模型相结合,通过构建新算子建立新的扩散模型使得图像每一个像素点的梯度信息可以自适应地选择去噪的最佳模式来平滑噪声图像,既能够在保护边缘的条件下预先处理高斯噪声,同时可以克服全变差模型的"阶梯效应"。结果表明,新模型不仅能够有效去除噪声,强化边缘还有效地保证了边缘结构的细节信息。在峰值信号噪声比测试中,该模型较之于传统线性滤波法的信噪比提高了20 d B左右,均方差也大幅降低,更具理想性。     

增强型Shearlet域SAR图像去噪

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了一种增强型Shearlet域SAR图像滤波去噪算法。该算法首先分析SAR图像的局部特性,利用局部特性,将图像分成均质区域、非均质区域和边缘区域。对均质区域,用均值滤波器进行滤波去噪;对非均质区域,用Shearlet变换处理去噪;对边缘区域,进行直接保留。实验结果证明,该算法不仅能够显著消除相干斑噪声,明显的提高视觉效果,而且能够很好的保持边缘细节和纹理信息。     

基于自适应软阈值和边缘增强的图像去噪

目前图像的去噪和边缘细节的保留是图像去噪中存在的2个大问题,该文提出使用边缘检测的方法检测出图像的边缘和纹理细节,对检测出的边缘和纹理细节图像进行处理后,将它和含噪图像分别进行小波变换,然后将其小波系数对应叠加,最后对叠加之后的小波系数进行小波自适应软阈值去噪。由于在软阈值去噪前叠加了边缘信息,因此边缘和细节部分得到了增强,虽然在阈值处理过程中由于边缘和细节均处于高频部分,在随后的软阈值去噪过程中存在被平滑的危险,但是增强后边缘和纹理的小波系数的幅值被放大,在阈值处理时可以得以保留。实验证明该方法比较wiener滤波在视觉效果和信噪比方面都有较大的改善,同时该方法比传统软阈值滤波,在视觉效果相差不大的情况下信噪比也有1~2个dB的提高。     

一种新的基于小波变换的SAR图像相干斑噪声抑制方法

本文从SAR图像相干斑噪声的产生机理出发,分析了各种滤波方法的优缺点后,在传统小波去噪的基础上提出了一种新的基于小波变换的SAR图像相干斑噪声抑制方法。该方法通过对小波分解后的高频区域进行二阈值分割,结合高频区域的方向特性和中值滤波方法,引入方向滤波窗口对不同分区进行不同的噪声抑制处理。实验结果证明了该方法的有效性,即此方法不仅拥有良好的去噪能力,而且能够很好的保持原图像的边缘信息.     

基于改进DTCWT和引导滤波的低剂量CT图像降噪

针对低剂量计算机断层扫描(CT)图像噪点较多和空间分辨率低的问题,提出了一种基于改进双树复小波变换(DTCWT)和引导滤波的低剂量CT图像降噪方法。首先使用DTCWT对低剂量CT图像进行多尺度分解,对高频子带系数使用拟合优度检验框架进行去噪,对低频子带使用三边滤波进行降噪,逆DTCWT重构得到初始去噪图像;然后使用降噪并插值的低频子带图像作为导向图像对CT图像进行引导滤波;接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像;最后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪,叠加两次去噪结果得到最终去噪图像。实验结果表明,该方法优于其他传统图像去噪算法,在抑制噪声的同时,良好地保留了图像的边缘轮廓和纹理特征,对低剂量CT图像有着显著的去噪效果。     

改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。     

医学超声病灶图像预处理

图像滤波技术在图像处理中占有重要的地位。其中医学病灶超声图像主要被斑点噪声污染,对医生诊断病情带来干扰。针对医学超声图像噪声的特点提出了自适应中值滤波器,并与经典中值滤波器对含有不同噪声密度的胆囊超声图像进行去噪处理,对实验结果对比分析。结论表明:自适应中值滤波较经典中值滤波在对噪声密度较大的图像进行去噪时,能较好的保持图像细节信息,它能够有效改善图像质量。自适应中值滤波器较其他非线性滤波器有更好的视觉效果。     

数学形态学与自适应结合的超声医学图像滤波方法的研究

超声医学成像因其具有无创性、便捷性、实时性、价格便宜和使用方便等优势广泛应用于临床诊断。然而,由于在超声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。本文针对医学超声图像的特点,在研究了几种常用滤波去噪方法的基础上,提出一种自适应滤波和形态滤波结合的超声医学图像滤波去噪方法。首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;然后采用数学形态学方法进行二次滤波和增强对比度,可有效改善图像质量。最后从去噪图像和评价指标上与常用滤波去噪方法进行比较,实验证明,该方法可明显提高超声医学图像的质量。     

血管内超声图像的噪声抑制与增强算法研究

针对含强背景噪声的血管内超声图像,噪声滤波和边缘增强是对血管内超声图像进一步处理的基础工作.提出一种自适应中值滤波结合改进的高通滤波的方法,有效的滤除了噪声并保持了边缘信息.Retinex增强算法可获得图像中各像素的相对明暗关系,并通过这种相对关系进行线性映射,从而增强图像且对噪声影响较小.实验结果表明,综合运用该滤波和增强方法,在滤除噪声的同时对边缘的增强有着比较满意的效果,为以后血管中外膜的提取提供了基础.     

低通滤波在紫外成像降噪处理中的应用

紫外成像诊断技术是发现电气设备电晕放电故障隐患的重要手段,对提高供电可靠性和实现电气设备状态维修具有重要价值。为了获得更好的检测效果,改善所拍摄的紫外图像质量,降低噪声干扰,须对紫外图像进行图像处理。为此采用夜间型紫外成像仪获得设备电晕放电图像并把采集的RGB图像转化为灰度图像,再根据图像的噪声分析,针对椒盐噪声、斑点噪声和高斯噪声等这些噪声的特点采用频域低通滤波技术进行滤波处理,噪声模拟和现场实测的紫外图像表明滤波前后效果显著,提高了故障放电时所测得的紫外图像的质量。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

旋纹壳体衬层粘接图像处理技术研究

基于粘接质量评价的超声检测,是无损检测长期关注的课题。本文以钢/橡胶多层粘接结构超声成像的图像为处理对象,采用均值滤波和低通窗函数滤波的方法去除图像中的噪声点;采用图像锐化的方法来使图像的边缘和轮廓变得清晰;采用一维、二维、小波包分析的图像处理方法来去除图像中的纹理。采用上述方法,使脱粘点成像更加清晰化,并达到无损精确检测出脱粘点的目的。     

基于 GA-BP 的改进高斯均值区域去噪技术

光纤连接器因其在光传输系统中的重要作用而备受关注,但是其表面附着的杂质会使复原的表面形貌出现噪点。而且现有的检测方法无法准确定位噪点,需要对其进行多次整体降噪处理,以此得到的图像细节保留能力较差。为此提出了一种基于遗传算法优化BP神经网络(GA-BP)的改进高斯均值区域去噪技术。首先,对干涉数据进行降维处理;其次,将降维后的数据作为神经网络的训练数据,利用神经网络对噪点进行定位;最后,采用改进的高斯均值滤波对三维图像的噪点位置进行滤波处理。结果表明,通过神经网络判别法得到的噪声像素点为2.45%,相比于阈值判别法具有较高的精度。并且通过改进的高斯均值滤波方法得到的方法噪声差值为474.7,峰值信噪比(PSNR)值为32.56。相比于均值和中值滤波方法,图像细节保持能力较高,复原图像噪点凸起明显减少。因此,它更适用于基于白光干涉原理的自动化检测。     

基于模糊转换的图像椒盐噪声检测和去除

为了去除椒盐噪声,提高图像的质量,提出了一种基于模糊转换的加权均值方法来有效的对图像中的噪声进行抑制,主要包含两个阶段:噪声检测和噪声去除。在噪声检测阶段,首先将不含噪声的像素点与可能为噪声的像素点(像素取最大值或最小值)区分开来,对于后者,提出了一种相邻处理过点的绝对差分和方法对其是否为噪声进行进一步判别,并引入两个预定的阈值,将可能为噪声的像素点划分为3类:无噪声点、轻度噪声点和重度噪声点;在噪声去除阶段,一种D8距离相关的模糊转换加权均值滤波方法被提出对噪声进行有效的去除。仿真结果表明,与一些现存方法相比,提出的方法较好的去除了椒盐噪声,并且在去除噪声的同时较好的保持了图像的细节信息,无论是峰值信噪比(PSNR)还是结构相似度(SSIM)都有了较大的提高。和实验效果与其最接近的自适应加权均值滤波相比,提出方法节省了超过65%的运行时间。     

基于小波变换和贝叶斯理论的图像分割算法

基于非下采样小波变换和贝叶斯分类理论的图像分割算法,在处理可见光图像时,容易受到噪声的干扰,而且,原算法在计算最大局部最小点时易产生偏差,从而影响分割效果。因此,本文首先使用滤波器滤除噪声,然后对原来的最大局部最小点的计算方法进行了等价变换,并调整了分割阈值以纠正由于对图像进行小波变换造成的灰度偏移,最后利用数学形态学运算对分割后的图像进行处理以消除孤立点,仿真结果表明改进算法分割效果较好。