基于离散余弦变换的水平集算法研究

针对传统水平集算法只对含有加性噪声的图像有较好处理结果的缺点,提出了一种基于离散余弦变换（DCT）的水平集研究算法。首先以图像中的每一点为中心构造隶属于图像的一系列子图像,对这些子图像进行二维DCT变换得到其变换系数,并受Lee滤波器可以去除乘性噪声的启发对这些系数进行运算,得到去除噪声后的平滑图像,再将平滑图像梯度的递减函数作为水平集演化方程的速度停止项,最后根据水平集演化方程对图像进行演化运算。实验结果表明,该方法能够在抑制乘性噪声的同时较好的对图像进行分割。     

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。     

结合边界和区域的水平集超声图像分割算法

针对距离正则化的水平集演化（DRLSE）模型难以处理弱边缘图像、初始轮廓敏感以及曲线演化方向单一等问题,提出一种结合边缘和区域信息的变分水平集超声图像分割模型。该模型采用改进的四阶偏微分方程进行滤波,实现在去除噪声的同时保护图像边缘信息;构造了自适应加权系数,实现曲线自适应地向内或者向外演化;引入CV模型的外部能量项,将图像的边缘信息和区域信息相结合,提高了全局分割能力。实验结果表明：该方法在分割超声图像时,具有演化结果稳定,边缘定位准确的特点,可以较好地提取超声图像中的目标。     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波.利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型.实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能.     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM)。该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数。利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波。利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型。实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能。     

基于可变区域拟合水平集算法的改进

基于可变区域拟合水平集算法利用图像的局部区域信息,在活动曲线演化控制参数的手工设置使其应用受到了限制。本文提出了将灰度信息图像匹配原理应用到RSF模型中,根据计算相邻演化图像的相关系数实现迭代的自适应停止。实验结果表明,改进的RSF模型克服了自动设置迭代次数的缺点,实现了迭代的自适应停止,而且对弱边缘不连续图像能够有效地实现,节省了时间,提高了分割效率。     

基于模糊水平集的脑肿瘤MR图像分割方法

针对传统水平集(Level Set)方法对脑肿瘤MR图像进行分割时易在弱边缘处产生泄露的问题,提出一种新的基于模糊水平集的脑肿瘤MR图像分割方法。采用模糊聚类算法对图像进行预分割,得到脑肿瘤MR图像的感兴趣区域;将聚类分割结果作为水平集演化的初始轮廓;利用聚类结果计算水平集演化的初始化条件和控制参数。算法执行效率得到了提高,并且克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增加了方法的鲁棒性。实验结果表明,该方法鲁棒性强,能够快速、准确地分割出MR图像中的脑肿瘤,具有重要的临床意义。     

一种自适应初始轮廓的水平集演化方法的研究

距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明：本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.     

基于模糊核聚类的双水平集医学图像分割

在实际的医学图像中,除目标和背景区域外,还存在两个以上的目标区域,传统的Chan-Vese模型一般只适用于两相图像分割,不能很好地分割多相图像。提出了一种基于模糊核聚类的改进型双水平集的医学图像分割,利用KFCM聚类算法降低图像噪声和双水平集模型的敏感性,对双水平集模型进行改进,对聚类后图像再分割。该方法具有较好的抑制图像噪声能力,充分利用图像边缘信息,无需初始化水平集函数,减少计算量和算法迭代次数,并能有效地实现多相目标区域的分割。     

基于Level Set方法的图像分割

研究了基于水平集的图像分割,提出了一种无需重新初始化,基于边缘信息的变分水平集图像分割算法.该算法消除了影响水平集计算量的重新初始化步骤,加速了轮廓线的演化,提高了算法的鲁棒性,同时使得初始化方法更加灵活.     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

建立新型边缘泄露补偿机制的四阶方程图像平滑方法

针对传统的四阶偏微分方程(四阶方程)降噪算法容易造成图像边缘泄露的问题,本文提出了一种基于边缘检测理论的泄露修补算法.该算法首先用非线性的双边滤波器对噪声图像进行预处理,得到边缘结构较好的预处理图像,然后基于梯度算子具有检测图像边缘特征的特点,提出将结果图像和预处理图像二者梯度差值的二范数平方作为边缘保持约束项,并将其加入到四阶方程算法的能量泛函中.另外,基于图像局部方差构造了自适应的拉格朗日乘子,从而实现对边缘保持约束项的自适应调整,以提高其边缘保持性能.实验测试结果表明,本文算法不仅继承了传统四阶算法具有的优点,而且增强了对边缘结构的保持能力.     

基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

一种基于参数自适应引导滤波的红外图像细节增强算法

图像分层滤波器中引导滤波器因其滤波保边效果好和计算复杂度低,在红外图像细节增强领域得到了广泛的研究与应用。但传统的引导滤波器固定的正则化参数ε不能在所有场景下都取得较好的滤波分层效果,所以本文提出基于局部方差的参数ε自适应算法,以提高引导滤波器场景适应性。此外本文进一步通过自适应参数ε值,提出了改进的基于噪声掩膜函数的细节层自适应增强算法,从而在有效抑制了图像噪声水平同时提高了算法在不同场景下的细节增强能力。     

基于多级中值滤波—提升小波技术的图像去噪

针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。对含不同混合噪声图像进行去噪实验。结果表明：采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。     

Despeckling low SNR, low contrast ultrasound images via anisotropic level set diffusion

Speckle is a form of multiplicative and locally correlated noise which degrades the signal-to-noise ratio (SNR) and contrast resolution of ultrasound images. This paper presents a new anisotropic level set method for despeckling low SNR, low contrast ultrasound images. The coefficient of variation, a speckle-robust edge detector is embedded in the well known geodesic “snakes” model to smooth the image level sets, while preserving and sharpening edges of a speckled image. The method achieves much better speckle suppression and edge preservation compared to the traditional anisotropic diffusion based despeckling filters. In addition, the performance of the filter is less sensitive to the speckle scale of the image and edge contrast parameter, which makes it more suitable for the detection of low contrast features in an ultrasound image. We validate the method using both synthetic and real ultrasound images and quantify the performance improvement over other state-of-the-art algorithms in terms of speckle noise reduction and edge preservation indices.     

基于方向信息测度的自适应多级中值滤波器

针对图像滤噪中滤除噪声和保护细节(边缘)的矛盾,本文提出一种新的基于方向信息测度的自适应多级中值滤波器。方向性是边缘和噪声的本质区别之一,通过基于方向信息测度所构造的自适应结构,决定中值滤波器的形式和滤波窗口尺寸的大小,而不需要图像和噪声的先验知识。文章比较了标准中值滤波器、单向多级中值滤波器、双向多级中值滤波器和本文方法的结果。实验表明本文方法具有更好的效果。