一种改进的各向异性扩散超声图像去噪算法

针对传统的各向异性扩散算法中扩散系数函数的平滑效果不好,扩散过程中扩散门限K的选取依靠经验确定,扩散过程对图像细节保护不足的问题,提出了一种改进的各向异性扩散算法。介绍了几种当前比较典型的各向异性扩散去噪算法;在典型算法分析的基础上提出了一种基于自适应中值滤波的改进扩散模型;根据扩散系数应满足的3个条件及经典的扩散系数函数,提出了改进的扩散模型中的改进扩散系数函数;提出了一种扩散门限K的自适应选取的方法。通过在改进的扩散模型中使用改进的扩散系数函数并结合扩散门限K的自适应选取,对超声图像进行去噪。实验结果表明,所提算法优于PM模型、Catte模型、王常虹算法等,去噪后图像的FOM值比PM模型高出3.34%,PSNR值比PM模型高出0.250 6。该算法在去除散斑噪声的同时有效保护了图像的细节及边缘,有助于医务人员对患病区域的准确诊断。     

一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约后续图像一系列处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的;在冲击滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲击幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

基于局部最小相关系数的自适应扩散迭代次数研究

针对典型Perona-Malik各向异性扩散去噪模型中采用固定迭代次数的不足,提出了一种自适应迭代次数确定算法,通过去噪后图像与噪声的局部最小相关系数来自动确定扩散迭代次数.实验结果表明:本文算法比传统算法去噪效果更好,同时也很好地保持了图像的边缘细节,且具有一定的通用性.     

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDEs),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。     

一种改进的偏微分扩散方程的医学超声图像去噪方法

研究了偏微分扩散方程在医学超声图像去噪中的应用。首先对各向异性扩散模型的进行分析,为了更好地去除噪声并保留图像的边缘等重要信息,提出了构造新的各向异性加权系数和优化的迭代次数的改进方法,并通过实验证明可达到更好的去噪效果。     

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。     

基于SRAD和NSCT的数字全息再现像像质改善方法

针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题,提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声,然后进行NSCT分解,产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数,并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明,与近年来提出的非线性扩散去噪方法及NSCT增强方法相比,所提出的方法能更有效地消除散斑噪声、提升再现像的对比度,并得到光滑清晰的边缘,从而提高后续数字全息识别与测量的准确度。     

Image Recovery via Diffusion Tensor and Time-Delay Regularization

We present a system of PDEs for image restoration, which consists of an anisotropic diffusion equation driven by a diffusion tensor, whose structure depends on the gradient of the image obtained from a coupled time-delay regularization equation, and governs the direction and the speed of the diffusion. The diffusion resulting from this model is isotropic inside a homogeneous region, anisotropic along its boundary, and is able to connect broken edges and enhance coherent structures. Experimental results are given to show its effectiveness in tracking edges and recovering images with high levels of noise. Moreover, the proposed model can be interpreted as a time continuous Hopfield neural network. This connection further illustrates how the proposed model enhances coherent structures. The existence, uniqueness, and stability for the solutions of the PDEs are proved.     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

Anisotropic diffusion for image denoising based on diffusion tensors

In this paper, the anisotropic diffusion for image denoising is considered. A new method to construct diffusion tensors is proposed. The tensors obtained by our approach depend on four directional derivatives of the intensity of an image, and hence they are adaptively determined by local image structure. It is shown that the proposed diffusion filter is isotropic in the interior of a region, whereas it is anisotropic at edges. This property of tensors allows us to efficiently remove noise in an image, particularly noise at edges. Several numerical experiments are conducted on both synthetic and real images.     

连续和离散各向异性扩散方程行为的数值模拟

采用数值模拟的方法研究一维连续和离散各向异性扩散方程的行为差异.研究结果表明:当没有逆向扩散时,连续和离散方程的演化方式类似;当有逆向扩散时,连续方程不收敛,但其相对应的离散方程会在图像灰度函数的拐点处形成阶梯边缘.揭示了离散逆向扩散的一个重要特性:其扩散结果由图像灰度函数拐点的初始分布预先确定,而虚假阶梯边缘的形成是由于计算噪声引起了假拐点.提出了用约束图像灰度函数凸凹性的方法来避免由计算噪声引起的虚假阶梯边缘.该方法仅对计算噪声引起的虚假阶梯边缘有效,不能避免由观测/量化噪声或图像纹理拐点形成的虚假阶梯边缘.     

Fourth-order partial differential equations for noise removal

A class of fourth-order partial differential equations (PDEs) are proposed to optimize the trade-off between noise removal and edge preservation. The time evolution of these PDEs seeks to minimize a cost functional which is an increasing function of the absolute value of the Laplacian of the image intensity function. Since the Laplacian of an image at a pixel is zero if the image is planar in its neighborhood, these PDEs attempt to remove noise and preserve edges by approximating an observed image with a piecewise planar image. Piecewise planar images look more natural than step images which anisotropic diffusion (second order PDEs) uses to approximate an observed image. So the proposed PDEs are able to avoid the blocky effects widely seen in images processed by anisotropic diffusion, while achieving the degree of noise removal and edge preservation comparable to anisotropic diffusion. Although both approaches seem to be comparable in removing speckles in the observed images, speckles are more visible in images processed by the proposed PDEs, because piecewise planar images are less likely to mask speckles than step images and anisotropic diffusion tends to generate multiple false edges. Speckles can be easily removed by simple algorithms such as the one presented in this paper.     

A new adaptive coupled diffusion PDE for MRI Rician noise

Among different methods of image de-noising, partial differential equation (PDE)-based de-noising attracted much attention in the field of medical image processing. The benefit of PDE-based de-noising methods is the ability to smooth image in a nonlinear way, which effectively removes the noise as well as preserving edge through anisotropic diffusion (AD) controlled by the diffusive function. Today, AD filtering such as Perona and Malik (P–M) model is widely used for MR Image enhancement. However, the AD filter is non-optimal for MR images that have Rician noise. Originally, the PDE-based de-noising designed for additive Gaussian distributed noise was signal independent, but the Rician noise was signal dependent. In this paper, we proposed a new adaptive coupled diffusion PDE fitted with MRI Rician noise which not only preserved the edges and fine structures, but also performed efficient de-noising. Our method was an improved version of AADM (automatic parameter selection anisotropic diffusion for MR Images). For this purpose, we have presented a new adaptive method to estimate the standard deviation of noise. As the simulation results showed, our proposed diffusion effectively improved the improved signal-to-noise ratio (ISNR) and preserved edges more than P–M, AADM and unbiased NLM (UNLM—unbiased non-local means) methods to remove Rician noise in MR Images.     

基于各向异性扩散的SAR图像斑点噪声滤波算法

在SAR(Synthetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD模型)的基础上,提出了一个基于各向异性扩散的SAR图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier 等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

基于非线性复扩散耦合冲激滤波器的图像放大算法研究简

为了提高放大算法的适应性,采用改进的非线性复扩散和自适应冲激滤波器,提出了一种图像放大方法。根据像素局部方差进行自适应改变扩散门限,扩散图像的虚部除以扩散时间以消除扩散时间的影响,特别是初期扩散近似线性扩散的特性,得到改进的复扩散模型耦合冲激滤波器进行无噪图像放大。对于噪声图像放大,根据像素局部方差进行自适应非线性复扩散,耦合局部方差约束的冲激滤波器增强模糊的图像边缘和细节。自适应非线性复扩散通过局部方差和图像二阶导数相结合分辨边缘和噪声,对噪声进行平滑的同时保持边缘,克服了复扩散不能分辨噪声和边缘的缺陷,同时保持复扩散保护斜坡结构,免除阶梯效应的优点。仿真实验验证了所提算法不仅对无噪图像有较好的放大效果,而且对一定范围的噪声图像也有较好的放大效果。