一种具有保留边缘信息的改进SUSAN去噪方法

在图像去噪的过程中,大多数的滤波算法都会在滤除噪声的同时损失边缘信息,而SUSAN算子的原理使其具有保持边缘的特性.本文在原SUSAN滤波的基础上,提出自适应的灰度差阈值选取,并针对原SUSAN算法在图像边缘处滤波效果不佳的情况下提出两个阈值对噪声进行判断.通过对加入椒盐噪声和随机噪声图像的去噪仿真实验表明,对于单次滤波和多次滤波,改进的SUSAN滤波算子避免图像模糊、保留边缘信息方面都具有比普通滤波算法更好的效果.     

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。     

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。     

双树复小波域图像非线性扩散滤波

提出了结合一种双树复小波变换的非线性扩散图像滤波模型。充分利用了双树复小波变换和非线性扩散两者的优点。通过对噪声图像经双树复小波变换后的不同尺度上的子带图像进行扩散,在双树复小波域计算子带图像的梯度.采用p-范数方法选择合适的梯度阈值,在扩散过程中可以根据图像属性自适应选择扩散强度。实现了建立在图像精细分析基础上的新非线性扩散模型。实验分析表明,提出的模型能有效抑制传统非线性扩散模型出现的阶梯效应,在对图像滤波的同时能保留更多的图像边缘,纹理等细节信息。     

一种基于自适应滤波的指纹图像增强算法

采集到的指纹图像中往往包含噪声,这些噪声对后续的特征提取和匹配会带来非常不利的影响.为了提高指纹特征提取和匹配的鲁棒性,需对指纹图像进行增强,提高脊线和谷线的对比度,同时滤除图像中的噪声.本文提出了一种基于自适应滤波的指纹图像增强算法,首先改进了Lin Hong提出的方向场计算方法,然后进行基于方向场的第一次粗滤波;在第一次滤波的基础上计算频率场,最后针对每个分块区域进行自适应增强滤波.实验证明,本文提出的增强算法能有效地对指纹图像进行增强.即使是低质量的指纹图像,也能取得较好的增强效果.     

基于改进的各向异性模型对IVUS图像降噪算法

针对血管内超声图像中的强背景噪声和边缘模糊等问题,提出了一种改进的各项异性扩散滤波算法.引入中值滤波,将滤波后的梯度模代替传统各向异性滤波中原始图像的梯度模,以控制扩散的过程,并能较好地保持边缘的特性;将各向异性扩散方程的常规扩散方向由4个方向扩展为8个方向,可保留更多的图像细节;并提出了一种自适应选取扩散门限的方法,解决了滤波和边缘保持的矛盾.实验结果表明,改进的算法在滤除噪声和保留边缘方面有着比较满意的效果,为以后血管内超声图像中外膜的提取提供了基础.     

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。     

基于区域特征的路面裂缝图像滤噪算法

分析了破损路面图像的像素点区域特征，针对不同区域提出加权区域滤波和自适应加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能够根据图像的区域特征自适应的滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。     

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.     

基于SURF算法的HIFU治疗前后超声图像配准研究

高强度聚焦超声(HIFU)治疗过程中,医生通常将治疗前后的超声监控图像直接相减,得到治疗区域的图像来判断治疗效果。由于治疗后病人的体位可能会变化,导致治疗前后采集的图像发生偏移,通常需要先将HIFU治疗前后的超声监控图像进行配准。提出了一种基于加速鲁棒性算法(SURF)和超声监控图像散斑特征的快速图像配准方法。首先利用经典的SURF特征检测器分别提取治疗前和治疗后超声图像中的特征点,采用欧式距离匹配提取的特征向量,通过超声图像的固有属性散斑特征的分布规律优化配准参数并用RANSAC算法去除错误匹配点对,最后利用最小二乘法求出图像之间的映射关系完成配准。实验结果表明,该算法能自动搜索治疗前后超声监控图像中的对应特征点,比传统的人工筛选特征点效率更高,且利用散斑特征的分布规律优化后的SURF算法相比标准的SURF算法配准精度更高。     

SAR图像相干斑噪声的各向异性扩散滤波算法

传统各向异性扩散滤波算法以梯度作为边缘检测与扩散系数生成的主要依据,当其用于抑制SAR图像中的乘性相干斑噪声时,存在对噪声敏感,边缘检测非恒虚警,扩散不均衡等问题,为此提出了一种新的各向异性扩散滤波算法.该算法利用平行窗通过比率运算生成边缘强度映射(ESM),然后利用ESM代替梯度作为边缘检测与扩散系数生成的主要参数,...     

SAR图像各向异性扩散滤波算法

为了抑制SAR图像中固有的乘性相干斑噪声,本文提出了一种基于各向异性扩散滤波的新算法。该算法首先将自蛇扩散引入经典的SRAD与DPAD算法各向异性扩散方程中,形成了一种带边缘增强功能的各向异性扩散新方程;然后利用改进Frost滤波系数作为扩散方程的新扩散函数,形成了一种既能有效抑制相干斑,又能较好保护边缘、抑制块效应现象的新扩散函数。实验表明,新扩散滤波算法在相干斑抑制、边缘保护、块效应抑制方面均比传统各向异性扩散滤波算法更优异。     

改进相似性度量准则的SAR-BM3D相干斑抑制算法

针对三维块匹配（BM3D）算法在合成孔径雷达（SAR）图像相干斑抑制时存在块相似性度量不准确的问题,提出一种改进广义似然比准则（GLR）的SAR BM3D相干斑抑制算法。该算法根据在光学图像去噪效果良好的BM3D算法,以变换域方法和非局部思想为基础,考虑SAR图像相干斑特性,采用概率相似性度量方法用于块匹配步骤,从而达到较好的相干斑抑制效果。实验证明,提出的算法对SAR图像的相干斑抑制可以获得更高的信噪比和更好的视觉效果。     

加权SUSAN角点检测算法稳定性改进研究

SUSAN算法是比较稳定的角点检测算法,但是也存在着漏检和误检的情况。对经典SUSAN算法研究后针对其缺陷进行了改进,通过提出加权SUSAN算法,提高了角点检测的精度。同时,在USAN判决准则上进行了改进,新的准则增加了模板内和核心点灰度相似像素需要与核心点连通,并且USAN区域重心需要远离核心点的约束条件来进一步筛选候选角点。通过改进,减少了原算法的漏检和误检问题,实验结果也证明了改进方法的有效性。     

基于小波域马尔可夫随机场模型的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时,尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足,没有普遍的适用性。基于图像在小波域的马尔可夫随机场模型(MRF)结构,结合SAR图像中相干斑噪声的统计特性,本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明,该方法在有效抑制相干斑的同时,更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比,该方法在噪声平滑及边缘保持上都取得了较大的改进,并得到了较好的视觉效果。     

Feature and border extraction of tissue regions in medical ultrasonic images

Today, information obtained from such medical images as X rays, CT, and MRI, as well as ultrasonic images, is important for diagnosis. In particular, an ultrasonic image has the merits of safety, low cost, and simplicity of the machine. On the other hand, ultrasonic images are sometimes poor in quality because of electronic characteristics and speckle noise of the ultrasound equipment. Therefore, diagnosis by ultrasonic imaging has been dependent mainly on the judgment of doctors. It is necessary to develop an automatic diagnosis method based on qualitative evaluation. In this paper, we present a novel method of region extraction using statistical characteristics of the echo speckle pattern in ultrasonic imaging. The discriminating function is defined to recognize the similarity of the statistical characteristics. It is based on a multidimensional autoregressive model. Using the proposed region extraction method, it is possible to discriminate and extract different regions in one image. We also propose a method to extract the border of the tissue region as an application of the regional extraction method. Finally, we have evaluated these methods by analyzing ultrasonic images including regions of the tissue in the human body and simulated data. © 1998 Scripta Technica, Electr Eng Jpn, 124(2): 29–35, 1998     

改进的基于curvelet域的SAR图像降斑方法

为克服curvelet硬阈值SAR图像降斑方法的不足,本文提出一种结合图像边缘方向特性的降斑方法。该方法利用曲波域内同一位置处不同方向上的curvelet系数提取图像的边缘方向特征,在curvelet硬阈值方法基础上做基于边缘方向特性的去噪处理,进一步抑制残余的噪声系数。为防止破坏图像中弱的细节边缘,引入一种边缘保持机制。实验结果表明,同curvelet硬阈值方法相比,本文的改进算法在提高SAR图像斑噪抑制能力的同时较好地保持了图像的边缘特征。