基于偏微分方程的医学超声图像去噪方法

研究了各向异性扩散方程在医学超声图像去噪中的应用。在理论上对去噪原理进行了分析,并在此基础上采用改进的针对乘性噪声的各向异性扩散算法对医学超声图像去噪,实验结果表明,该方法在有效去除噪声的同时较好地保留了医学超声图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除超声图像斑纹噪声,提高图像的质量。     

基于异性扩散-中值滤波的超声医学图像去噪方法

针对超声图像存在一种特殊的斑点噪声,使图像边界与细节变得模糊而严重影响图像质量的问题,提出了一种新的去除医学图像斑点噪声的方法,它利用中值滤波和各向异性扩散相结合,不仅可以有效地去除噪声而且很好地保持了边缘、局部细节信息.此外,该方法在扩散过程中,梯度阈值选取的不同对图像结果影响很小,这极大地提高了该算法的健壮性.实验中,通过和各向异性扩散、中值滤波等方法的比较,表明该方法具有良好的去噪效果.     

超声弹性图像去噪方法研究

超声弹性成像能直观展现各组织的弹性信息,已经成为肿瘤检测的重要工具。由于成像系统中的固有特性,使得图像遍布着大量伪影噪声,降低了图像的可辨读性。为了获取伪影噪声较少且组织边缘结构清晰的弹性图像,本文提出一种分数阶偏微分图像去噪方法,并通过各向异性算法有效平衡了梯度阈值k与微分阶数v的关系。人体体模弹性图像和仿真弹性图像的测试结果表明,该算法能有效改善弹性图像质量,增强边缘结构信息,且去噪后图像的信噪比及噪声比例差得到显著提升。     

基于Matlab的小波阈值图像去噪方法研究

小波阈值去噪是一种效果较好的变换域图像去噪方法,该文采用Matlab实现了一种典型的小波阈值图像去噪方法,分别设计了函数来进行阈值函数的选取和阈值的计算,并对去噪效果进行了分析。     

一种自适应阈值曲波图像去噪算法

利用曲波变换进行图像去噪能取得较好的效果,但是现有的曲波去噪没有充分利用图像曲波系数的特点,容易过分扼杀图像的细节信息.本文提出了一种基于阈值自适应的曲波图像去噪算法,利用图像经过曲波变换后的能量分布特性选取阈值,以更好地保护图像细节.实验结果表明,该算法可以将每一尺度上的信号与噪声在最大程度上分离,有效去除了高斯白噪声,进一步提高了峰值信噪比,更好地实现了去除噪声与保护图像细节之间的平衡.     

浅谈曲波变换的应用

本文主要阐述了曲波变换的定义、起源和发展现状,具体介绍了曲波变换的几个重要的应用领域。     

基于相关性阈值的NSCT图像去噪方法研究

利用非下采样Contourlet变换(NSCT)平移不变性、多分辨率、多方向的优点,提出一种基于尺度相关与阈值去噪相结合的非下采样Contourlet变换图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,然后采用相关系数归一的方法,结合Bayesian自适应阈值来达到更好的去噪效果。仿真实验表明,该方法在提高去噪后图像的峰值信噪比的同时,有效保留了图像的纹理信息,避免伪吉布斯现象,改善了图像的视觉效果。     

全变分的分块小波阈值图像去噪

针对全变分算法对平滑区域抑噪不充分及小波阈值算法易造成边缘模糊的缺陷,提出了全变分的分块小波阈值算法。首先利用全变分粗去噪算法对含噪图像去除幅度较大的噪声,再利用分块小波阈值算法抑制残余噪声。实验结果表明,在图像边缘得到保护的同时较好地抑制了平坦区域的残余噪声,与传统算法相比,峰值信噪比和视觉效果都得到明显提高。     

鲁棒的各向异性扩散三维超声图像去噪算法

针对三维超声图像去噪,提出一种新的各向异性扩散滤波算法。该算法主要通过改进传统算法中的扩散系数以及瞬时变化系数(ICOV),在保留三维超声图像边缘和细节的同时,更好地滤除了斑点噪声。与传统算法相比,该算法对迭代次数有更低的敏感度和更好的鲁棒性。     

基于对数压缩的超声各向异性扩散去噪方法

针对当前超声图像去噪算法很难同时做到降噪和边缘保持的情况,在进行各向异性扩散模型研究的基础上,提出基于对数压缩的改进各向异性扩散算法（LCAD）去除超声散斑噪声。算法将图像对数压缩后进行噪声分布模型估计,然后构造基于广义伽马分布的扩散系数,在扩散过程中达到降噪和边缘保持效果。     

超声图像去噪方法

超声成像的相干特性导致了超声图像中固有的斑点噪声,斑点噪声既降低了图像的质量影响诊断结果,又给图像的边缘检测、特征提取等后续处理带来困难。因此研究如何在去除斑点噪声的基础上,有效保留边缘特征具有十分重要的意义。通过研究邻域斑点指数C的特点,将超声图像划分为均匀区域、含斑区域以及边缘区域,对于不同区域采用不同的处理方法。仿真实验表明,该算法简单有效,在去除斑点噪声的同时更好地保留了边缘特征,其性能大大优于传统的中值滤波算法。     

基于各向异性改进的水平集超声图像去噪算法

针对各向异性扩散可能出现的阶梯效应以及扩散门限难以准确确定、水平集函数只能根据图像梯度区分图像边缘及同质区域的问题,将各向异性扩散中的边缘增强项引入到水平集方程中,同时自适应地估计扩散门限,在去除噪声的同时保持和增强边缘。该方法结合了水平集函数和各向异性扩散的优点,理论分析和实验结果均表明了该算法的去噪效果更好。     

基于概率分布图的运动目标轮廓快速提取方法

以对图像分析起重要作用的目标轮廓提取技术为重点,研究并提出一种基于概率分布图的目标轮廓快速提取方法,该方法先从视频中检测到前景目标并建立目标概率模型,再根据建立的模型计算目标概率分布图,用该分布图提取出目标轮廓。对2330幅包含运动目标的视频帧进行测试,结果表明,该方法简单有效,处理速度快,提取的轮廓准确、清晰,对目标形变具有很好的鲁棒性。     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

Simultaneous speckle reduction and contrast enhancement for ultrasound images: Wavelet versus Laplacian pyramid

Speckle can be described as random multiplicative noise. It hampers the perception and extraction of fine details in the image. Speckle reduction techniques are applied to ultrasound images in order to reduce the noise level and improve the visual quality for better diagnoses. It is also used as preliminary treatment before segmentation and classification. Several methods have been proposed for speckle reduction in ultrasound images. Multiscale contrast enhancement has proven to be very efficient for x-ray images. A recent study by Dippel et al. doing a comparison, contrast enhancement of radiographs (x-ray and mammography), between the Laplacian pyramid and the wavelet one proves that the Laplacian pyramid method gives a better result than the wavelet one; the filtering aspect was not taken into account. In ultrasound images a strong contrast variation exists which is different from x-ray and mammography. In this paper a wavelet pyramid with simultaneous speckle reduction and contrast enhancement was applied for the first time on ultrasound images with the area of interest and compared to a Laplacian enhancement pyramid. The optimum choice of wavelet bases for ultrasound images is investigated in this study. In order to realize a fair comparison, the same nonlinear modification in both multiscale schemes is used. The comparison proves that the wavelet pyramid gives a much better result than the Laplacian one for simultaneous speckle reduction and contrast enhancement of ultrasound images. The text was submitted by the author in English. Ali Samir Saad, 1964. 1996 PhD in image processing, Polytechnics School of the Engineering University of Nantes, France. 1993 Masters in Electronics. 1990 Masters in Digital Image Processing, Institute of Computer Sciences and Communication University of Rennes, France. 1989 BS in Electrical Engineering, University of Saint-Etienne. Academy of Lyon, France. 1996–2000 Research associate at the National Center for Macromolecular Imaging. Baylor, Houston, Texas. Assistant professor at King Saud University, Dept. of Biomedical Technology. Area of research in medical image processing and analysis, 23 publications, member of the American Association for the Advancement of Sciences. Marquis Who’s Who in the World; Cambridge Blue Book 2006.     

基于分数阶微分的超声斑点去噪

为了保留更多的纹理信息,构建了基于具有阻止扩散的梯度阈值k,和分数阶微分的阶数v平衡关系的分数偏微分方程的图像去噪模型,其有效结合了分数微积分理论和偏微分方程方法,并通过分数微分掩模算子实现了数值.超声体模信验和体内成像表明:基于分数阶微分的各向异性扩散方法可以提高组织的信噪比(SNR)和超声图像的质量.     

快速离散Curvelet变换域的图像融合

目的单一图像往往难以捕获一个场景下所有的细节信息,针对这一问题,可以通过多传感器或同一传感器的不同方式来获取多幅图像,然后通过图像融合技术将获得的多幅图像进行融合。为了提高图像融合的质量,提出一种基于快速离散Curvelet变换(FDCT)的图像融合新方法。方法不同于以往的方法,提出一组新的融合规则。分别采用基于局部能量和改进拉普拉斯能量和的方法,通过对FDCT分解得到的低频和高频系数进行系数选择,然后对得到的融合系数进行FDCT逆变换重构得到融合图像。结果通过对大量的多模态医学图像、红外可见光图像以及多聚焦图像进行图像融合实验,无论是运用视觉的主观评价,还是均值、标准差、信息熵以及边缘信息保持度等客观评价标准,本文方法都优于传统的基于像素平均、小波变换、FDCT以及双边梯度等融合方法。结论对比现有的方法,本文方法对多模态和多聚焦等形式的图像融合都表现出优越的融合性能。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。