时序特征图像配准算法的抗噪性分析

提出了一种基于时序特征变化的图像配准算法,通过时序灰度特征的分析和提取,实现了可见光与红外非固形动态目标图像的有效配准。重点分析了该算法的抗噪能力,当噪声对配准精度产生明显影响时,设计了一种预处理滤波方法,通过减小噪声项在时序特征提取中的影响,从而降低了算法的误配率。利用蜡烛火焰作为探测目标,通过实验表明,在图像信噪比为10 dB的情况下该算法的抗噪性较好,能够实现非固形目标的可见光与红外图像配准。当目标图像信噪比等于6 dB时,该算法就无法完成图像配准,此时采用预处理滤波方法,算法的误配率得以降低,能成功实现非固形目标的可见光与红外图像配准。实验中计算得到预处理方法的关键参数m取0.25时效果最好。     

低剂量CT投影图像噪声分析及去噪算法研究

提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括"孤立点"检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。     

基于改进模糊聚类算法的CT图像病变区域分割

针对CT图像病变区域存在的欠分割和过分割问题,提出基于融合空域滤波器的改进模糊聚类算法。对CT图像进行预处理,将CT图像变换成通用图像,使输入图像具有一致直方图灰度分布,用区域生长方法标记和过滤非目标病变区域,获取脑部CT图像目标病变区域。通过改进的空域滤波器对噪声图像进行滤波去噪,对模糊聚类算法的目标函数和迭代公式融入空域滤波数据项确定隶属度矩阵,完成CT图像病变区域的分割。实验结果表明,所提方法在人脑CT图像血块区域进行分割过程中,具有较高的分割效率和精度,对噪声具有较高的鲁棒性。     

基于SIFT算法的医学CT图像配准

医学CT图像的配准一直以来都是医学图形分析与处理中的研究热点之一,对临床诊断具有非常重要的作用。SIFT算法是一种快速、有效的图像匹配算法,该算法是基于图像的光照、旋转、尺度以及仿射变换不变性,在基于特征点的医学CT图像配准中具有较高的实用价值。针对医学CT图像配准时匹配特征点数目较少,从而导致估算图像变换参数时精度较低的情况,本文采用结合边缘点集匹配的SIFT算法进行医学CT图像配准,取得了良好的效果。     

一种基于深度和局部特征的分布式光电图像配准方法北大核心CSCD

针对分布式光电成像系统采集的红外和可见光图像在配准时易受噪声影响,配准精度不高问题,提出一种基于卷积神经网络深度特征和RIFT局部特征的图像配准算法。首先基于改进的AVIRnet提取待配准红外和可见光图像的卷积深度特征,利用深度特征进行初匹配,得到初步的空间关系;然后在重叠图像区域内提取RIFT特征点;最后对局部特征点进行修正,得到最终的匹配点对,估算出精确的变换矩阵。实验结果表明:本文方法通过深度特征和局部特征两次匹配,对非线性辐射差异具有不变性,满足了分布式光电红外和可见光图像配准的精度要求。     

一种基于相位相关与子图像的偏振图像配准方法

为了解决多目偏振相机在获取图像中需要进行准确配准的问题,本文提出了一种基于子图像的相位相关算法。算法首先对图像进行噪声减弱与细节增强,并进行粗配准。之后在将图像分割为多个子图,对每个对应区域的子图进行配准,并剔除配准误差较大的子图,以减少它们对于最终配准结果的不良影响。最后根据这些子图的配准参数来计算单应性矩阵,完成最终的配准。实验结果表明,对于3种不同场景的图像,相比于传统方法,本文方法的配准结果归一化互信息值均有所提高,至多提高0.067%且图像细节更清晰。与传统算法相比,本文算法对于低清晰度、大噪声的图像具有更好的配准效果。     

遗传算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高、鲁棒性强的特点,成为近年图像配准研究的热点,但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难。本文以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将遗传算法和Powell法结合起来对三维CT、MR图像进行了配准。实验结果表明,这种方法能够有效地克服信息函数的局部极值,配准精度达到亚像素级。     

采用SURF特征和局部互相关信息的图像配准算法

针对现有图像配准方法中存在的鲁棒性与配准精度难以兼容的问题,提出了一种采用SURF特征和局部互相关信息的图像配准算法。首先通过SURF特征提取方法进行初步粗配准以提升配准鲁棒性,然后利用图像中局部关键区域的互相关系数计算出单应矩阵,最后将单应矩阵应用于粗配准结果,对粗配准后的图像进行旋转变换,从而实现高精度和高鲁棒性的图像配准。实验结果表明:提出的配准方法与基于SIFT、ORB、SURF、互相关信息的图像配准方法在多组数据上进行了对比,不仅表现出了较高的配准精度和配准效率,也表现出了更优的鲁棒性。     

遗传算法和Poweli法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高、鲁棒性强的特点，成为近年图像配准研究的热点，但基于互信息的目标函数存在许多局部极值，为配准的优化过程带来了很大的困难。本文以互信息作为相似性测度，采用基于小波变换的多分辨率策略，将遗传算法和Powell法结合起来对三维CT、MR图像进行了配准。实验结果表明，这种方法能够有效地克服信息函数的局部极值，配准精度达到亚像素级。     

红外小目标图像预处理方法研究

本文研究红外小目标检测的预处理问题,通过建立红外小目标图像的场景模型,分析该情况下图像预处理的特点,提出一种基于均值漂移滤波与高通滤波的预处理方法.基本思想是根据红外小目标图像的特点,利用改进的均值漂移滤波方法削减图像中的噪声,然后选择适合提取红外小目标的高通模板与均值滤波后的图像进行卷积,抑制低频背景;最后利用统计门限对图像进行二值化操作.该预处理方法综合考虑了噪声削减、背景抑制及目标增强效果,将多种预处理方法结合应用,实验结果表明该方法比传统预处理方法效果好,能对复杂背景条件下的红外小目标图像进行有效地预处理.     

基于结构联合字典的肺部LDCT图像降噪

肺部LDCT（Low-Dose Computed Tomography）图像中噪声及条状伪影等异常显著,顶部和底部图像尤为严重.为提高整个肺部LDCT图像的质量,本文提出一种基于结构联合字典的图像降噪方法.首先,利用肺部CT图像的灰度特点,将HRCT（High Resolution Computed Tomography）图像块分类并训练,获得4类字典,通过计算原子的信息熵和HOG（Histogram of Oriented Gradient）特征,得到相应的结构字典,进而构造出结构联合字典;然后,在对肺部LDCT图像进行非局部均值滤波的基础上,将结构联合字典作为全局字典,对图像进行稀疏表示及重构,获得降噪后的图像.为验证算法有效性,选用模拟和临床两类数据进行实验,并与KSVD、AS-LNLM、BF-MCA等3种算法对比.对比发现,本文算法在去除噪声和条状伪影以及保留细节方面效果较好,特别是对序列顶层和底层图像处理优势更加明显.该方法能够显著提升整个肺部LDCT图像的质量.     

基于非局部双边随机投影低秩逼近图像去噪算法

该文提出一种基于非局部双边随机投影的低秩逼近图像去噪新方法。首先,对每个图像块通过非局部搜索寻找相似匹配块簇,然后对相似匹配块簇进行双边随机投影,用投影后的低秩结构恢复原图像。实验结果表明,所提方法比奇异值分解方法有较低的计算复杂度,比单边随机投影方法有较小的重构误差。特别是和3维块匹配方法相比,所提方法能保持相近的信噪比和较好的视觉质量。     

基于非局部自相似图像块字典学习的伪CT图像预测

随着PET/CT技术的日益发展,其被广泛应用于现代放射治疗。但在采集数据过程中,对人体放射时间较长,辐射当量较大,增加了患者的痛苦,因此人们希望减少CT扫描中X射线的辐射。为解决这一问题,本文提出基于非局部自相似图像块字典学习的伪CT图像预测方法。首先,对训练CT与MRI图像进行图像分块,通过块匹配算法聚类CT图像块,并提取CT与MRI图像块的多尺度特征。其次,通过字典学习,获得MRI图像与CT图像的映射关系矩阵,并对CT图像块进行预测。最后,通过重构算法,从目标MRI图像中得到预测CT图像。仿真实验证明了提出算法相对基于图谱集算法的有效性,以及在现代放射治疗中利用MRI图像替代CT图像的应用前景。      

A Mixed Non-local Prior Model for Image Super-resolution Reconstruction

Generating high-resolution image from a set of degraded low-resolution images is a challenge prob-lem in image processing. Due to the ill-posed nature of Super-resolution (SR), it is necessary to find an eff ective image prior model to make it well-posed. For this pur-pose, we propose a mixed non-local prior model by adap-tively combining the non-local total variation and non-local H1 models, and establish a multi-frame SR method based on this mixed non-local prior model. The unknown High-resolution (HR) image, motion parameters and hyper-parameters related to the new prior model and noise statis-tics are determined automatically, resulting in an unsu-pervised super-resolution method. Extensive experiments demonstrate the eff ectiveness of the proposed SR method, which can not only preserve image details better but also suppress noise better.     

外部非局部自相似先验的图像去噪

针对在噪声水平比较高的情况下难以从噪声图像本身提取准确先验信息的问题,提出一种从外部干净图像数据集学习非局部自相似先验信息的图像去噪方法。首先用高斯混合模型学习外部干净图像的非局部自相似先验信息,其次利用最大后验概率估计的方法找到与噪声图像块最匹配的外部先验信息,最后利用外部先验对噪声图像块进行稀疏表示。实验对比表明,所提算法在去除噪声的同时可以较好地保留图像的细节信息,使图像数据集的平均峰值信噪比提高0.18 dB以上。     

基于投影数据非单调性全变分恢复的低剂量CT重建

为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法（Nonmonotone Total Variatio...     

非局部特征方向图像插值方法研究

提出了一种非局部的特征方向图像插值方法,有效地保持了插值图像轮廓的光滑,抑制了图像边缘的模糊.这种方法把非局部Hessian矩阵的特征向量视为图像特征方向,使图像能量泛函沿这个方向进行扩散,其扩散强度由图像局部Hessian矩阵特征值参与控制.它克服了传统方法以梯度方向指示图像特征方向的局部性,使图像能量泛函沿正确方向扩散,避免了对图像特征的模糊.数值实验结果显示,该方法既能很好地重建插值图像的边缘,又不会在插值图像中产生伪影或图像边缘失真.     

基于非局部梯度的图像质量评价算法

图像质量评价研究的目标在于模拟人类视觉系统对图像质量的感知过程,构建与主观评价结果尽可能一致的客观评价算法。现有的很多算法都是基于局部结构相似设计的,但人对图像的主观感知是高级的、语义的过程,而语义信息本质上是非局部的,因此图像质量评价应该考虑图像的非局部信息。该文突破了经典的基于局部信息的算法框架,提出一种基于非局部信息的框架,并在此框架内构建了一种基于非局部梯度的图像质量评价算法,该算法通过度量参考图像与失真图像的非局部梯度之间的相似性来预测图像质量。在公开测试数据库TID2008, LIVE, CSIQ上的数值实验结果表明,该算法能获得较好的评价效果。     

Image denoising based on non-local means filter and its method noise thresholding

Non-local means filter uses all the possible self-predictions and self-similarities the image can provide to determine the pixel weights for filtering the noisy image, with the assumption that the image contains an extensive amount of self-similarity. As the pixels are highly correlated and the noise is typically independently and identically distributed, averaging of these pixels results in noise suppression thereby yielding a pixel that is similar to its original value. The non-local means filter removes the noise and cleans the edges without losing too many fine structure and details. But as the noise increases, the performance of non-local means filter deteriorates and the denoised image suffers from blurring and loss of image details. This is because the similar local patches used to find the pixel weights contains noisy pixels. In this paper, the blend of non-local means filter and its method noise thresholding using wavelets is proposed for better image denoising. The performance of the proposed method is compared with wavelet thresholding, bilateral filter, non-local means filter and multi-resolution bilateral filter. It is found that performance of proposed method is superior to wavelet thresholding, bilateral filter and non-local means filter and superior/akin to multi-resolution bilateral filter in terms of method noise, visual quality, PSNR and Image Quality Index.     

快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题,该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法。首先,利用一种非局部空间信息快速计算方法,将以图像所有像素为循环的原始非局部信息计算方法,改为以搜索窗口尺寸为循环,利用空间位移图像与递归高斯滤波的计算方法,克服非局部空间信息计算复杂的问题;其次,计算原始图像与非局部信息项的差值的平方,将其作为非局部信息项的自适应权重,并将差值的平方作倒数变换,作为原始图像的自适应权重;最后,将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母,形成隶属度连接,减少目标函数迭代次数。含噪人工与自然图像分割实验表明,该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法。