一种级联的激光主动成像图像融合降噪算法

针对激光主动成像图像混合噪声的特点,提出了一种投票中值滤波和整数提升小波级联的融合降噪算法。首先对激光图像进行噪声像素点检测,区分噪声点与非噪声点;而后采用投票中值滤波对噪声点进行处理,抑制脉冲噪声;然后采用整数提升小波变换对图像进行Bayes自适应阈值去噪,抑制散斑噪声;最后通过逆变换得到去噪图像。通过实验比对结果表明,该方法在具有良好的去噪、边缘保持性能的同时,还具有较为理想的实时性。     

激光成像系统图像散斑抑制算法比较

CO2激光相干成像系统具有分辨率高、抗干扰能力强、能三维成像等特点,但其所成图像易受到散斑噪声的污染造成分辨率下降,因此研究适用于此成像系统图像散斑噪声抑制的算法具有重要的实用价值。文中对常用的噪声抑制算法:中值滤波、同态均值滤波和Lee滤波进行了介绍,并将其应用于CO2脉冲激光相干成像系统图像的散斑噪声抑制处理,比较了三种算法的处理结果。结果表明,采用小窗口、不迭代Lee滤波进行处理时,既明显抑制了散斑噪声,又有效保持了图像的边缘信息,所以用它进行激光成像系统图像散斑噪声抑制处理是合适的。     

基于同态滤波与自适应模糊多级中值滤波级联算法的散斑噪声污染图像恢复

提出了一种用于恢复散斑噪声污染图像的同态滤波与自适应模糊多级中值滤波级联算法 ,计算机仿真实验结果表明它既保持了图像的几何结构 ,又有效地抑制了散斑噪声 ,并且通过比较证明它优于同态滤波与多级中值滤波级联算法     

基于多级非线性加权平均中值滤波算法的散斑噪声抑制

文中根据斑点的统计性质对多级中值滤波器进行改进,提出了一种用于散斑噪声抑制 的多级非线性加权平均中值滤波算法,实验结果证明了本文算法优于Lee 滤波算法、F. safa 算法和权重形态滤波器,它既保持了图像的几何特征,又有效地抑制了图像中的斑点噪声。     

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

边缘相似度及其在散斑噪声抑制算法比较中的应用

对于滤波算法,噪声抑制能力和边缘保持能力一直是考核其性能的两个重要指标。对于前者,通常都有相应的参数进行表征,而对于后者,通常却只能依靠人眼进行主观评判。根据标准边缘图像和待测边缘图像边缘点位置的相似性,定义了边缘相似度参数,用来表征滤波算法的边缘保持能力。将此参数应用于高斯噪声图像和椒盐噪声图像滤波算法的比较中,取得了预期的效果:此参数值准确地反映了各滤波算法的边缘保持能力。对激光雷达图像而言,散斑噪声滤波算法的边缘保持能力具有非常重要的意义,为此,将边缘相似度用于散斑噪声滤波算法的边缘保持能力比较,结果表明Lee滤波算法和增强Lee滤波算法具有较强的边缘保持能力,而常规的均值滤波和中值滤波边缘保持能力较差。     

一种红外图像颗粒噪声自适应滤波算法

针对红外图像中常出现的颗粒噪声,在对自适应中值滤波(AMF)改进的基础上,提出了一种基于噪声检测的加权融合中值滤波算法。该算法对于噪声的滤除分为检测和滤波2个环节。首先根据对大量图像信息分布特征进行分析,设计出了较为通用的4类噪声检测模版;其次分别采用各模版对噪声进行极值检测并加以标记,以区分出极值点与像素点;然后根据模版内极值点与非极值点的数目比例确定噪声点,并将非极值点取均值作为噪声滤波结果输出;对于区域的极值点,引入距离判别准则加以确认,被确认为噪声点的像素值通过模版内非极值点分别取均值和中值并加权融合得到;最后对4个模版处理后的滤波值进行等权融合,得到最终的滤波图像。分别与经典中值滤波(MF)、自适应中值滤波(AMF)、开关中值滤波(SMF)性能比较,实验表明,本文滤波算法对于高强度的斑点噪声具有较好的滤波性能,对于红外图像处理具有一定的借鉴价值。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于噪声检测的自适应中值滤波算法.新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好的处理图像的细节部份.新算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好的进行噪声滤除.通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效的提高图像的峰值信噪比,其去噪效果相比其他方法更加优秀.     

一种改进的中值滤波算法的研究

去除图像中的椒盐噪声是图像处理中的一个重要问题。传统的中值滤波算法,对所有的像素点采用相同的处理,使图像的细节变得模糊,同时降低了效率。本文针对这个问题,在多级中值滤波的基础上,提出了基于噪声点检测的多级中值滤波算法。通过Matlab仿真研究表明,该算法可以有效去除图像的椒盐噪声,并能更好的保护图像细节,同时具有很高的效率。     

一种新型的中值滤波改进算法

针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。     

基于数学形态学与自适应的超声医学图像滤波方法的研究

超声医学成像作为主要的医学影像技术之一,因其对人体无伤害、实时、价格便宜和使用方便等优点已广泛应用于临床.然而,在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的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.针对医学超声图像的特点,在研究了几种常用滤波方法后,提出一种自适应中值滤波和形态滤波结合的新方法,并做了实验验证.实验方法是:首先对所选择的医学超声图像施加瑞利噪声,然后采用中值滤波、自适应中值滤波的方法对被污染的图像进行去噪处理,接下来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,再采用数学形态学方法进行二次滤波和增强对比度,进一步改善图像质量.最后从去噪图像和评价指标上对三种滤波去噪方法进行了比较.实验证明,新方法优于其他方法.     

夜间图像匹配中的斑状噪声预处理

夜间图像匹配中,实时夜间图像中的斑状噪声影响了边缘相关匹配的性能。在分析了斑状噪声特点的基础上,提出了一种新的基于标记的噪声预处理方法,先标记出图像中的斑状噪声点,在匹配时被标记的噪声点不参与相关统计,从而达到消除斑状噪声对匹配影响的目的。该方法与传统的中值滤波、均值滤波等方法相比,更能提高相关匹配的性能,试验结果验证了该方法的有效性。     

An adaptive speckle suppression filter for medical ultrasonic imaging

An adaptive smoothing technique for speckle suppression in medical B-scan ultrasonic imaging is presented. The technique is based on filtering with appropriately shaped and sized local kernels. For each image pixel, a filtering kernel, which fits to the local homogeneous region containing the processed pixel, is obtained through a local statistics based region growing technique. The performance of the proposed filter has been tested on the phantom and tissue images. The results show that the filter effectively reduces the speckle while preserving the resolvable details. The simulation results are presented in a comparative way with two existing speckle suppression methods.     

基于AOS非线性扩散的SAR图像去噪研究

针对合成孔径雷达(SAR)图像的斑点噪声,介绍了一种基于非线性各向异性扩散的去噪方法,该方法经过加性算子分离(AOS)方案离散可以保证其扩散迭代过程中滤波结果的绝对稳定,并且利用其在消除噪声的同时锐化边界的特点,将之引入SAR图像的斑点噪声抑制问题当中.通过对一幅SAR图像的滤波处理,以及若干衡量滤波算法效果的评价指标,将其与传统的自适应局域统计滤波方法进行分析比较,并得出相关结论,从而证实了该研究提出的AOS非线性扩散滤波法(AOS ND法)抑制SAR图像相干斑的可行性和有效性.     

基于几何模型的SAR图像斑点噪声的抑制

斑点噪声的抑制一直是合成孔径雷达(SAR)图像处理的重要研究课题。本文利用几何模型对合成孔径雷达图像进行滤波。通过对几何模型除噪性能进行分析,提出了一个数值计算的改进格式。新的迭代格式能较好地保留图像的边缘、尖点和细节信息。最后对合成孔径雷达图像进行去噪实验,与小波阈值除噪、Lee滤波进行比较具有更好的滤波效果。     

一种新的SAR图像的相干斑滤波方法

该文分析了合成孔径雷达(SAR)图像中的相干斑(Speckle)的统计特性,基于小波变换(WT),提出了一种新的相干斑滤波方法,该方法将小波变换后的HH分量采用Lee滤波,对HG,GH和GG分量则利用恒虚警技术(CFAR),保留重要的目标和边缘,再将这四个分量进行重构。实验结果表明,该方法具有相当良好的相干斑抑制性能,等效视数得以大幅度提高,并且能很好地保持原图像的边沿特征,其性能明显优于通常采用的Lee算法。     

抑制SAR图像相干斑的迭代方向滤波算法

为保护SAR图像边缘特征并有效提高对乘性相干斑噪声的抑制性能,该文提出一种基于迭代方向滤波的抑制图像相干斑新算法。该算法先借助高斯-伽马平行窗估计出的比率边缘强度映射(ESM)与方向信息,自适应地控制各向异性高斯核(AGK),生成沿ESM方向分布的具有各向异性支撑区域的局域窗。然后将SAR图像多种局部统计参量联合作为衰减因子,形成与SAR图像区域分布特性相适应的负指数衰减型加权系数,进而将负指数衰减型加权系数与局域窗带方向的各向异性支撑区域结合形成局域加权的方向滤波。最后对SAR图像迭代地进行方向滤波即可实现带边缘保护的相干斑抑制。实验结果表明,与多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

Noise-Driven Anisotropic Diffusion Filtering of MRI

A new filtering method to remove Rician noise from magnetic resonance images is presented. This filter relies on a robust estimation of the standard deviation of the noise and combines local linear minimum mean square error filters and partial differential equations for MRI, as the speckle reducing anisotropic diffusion did for ultrasound images. The parameters of the filter are automatically chosen from the estimated noise. This property improves the convergence rate of the diffusion while preserving contours, leading to more robust and intuitive filtering. The partial derivative equation of the filter is extended to a new matrix diffusion filter which allows a coherent diffusion based on the local structure of the image and on the corresponding oriented local standard deviations. This new filter combines volumetric, planar, and linear components of the local image structure. The numerical scheme is explained and visual and quantitative results on simulated and real data sets are presented. In the experiments, the new filter leads to the best results.     

Two-dimensional adaptive block Kalman filtering of SAR imagery

A method for removing speckle from synthetic aperture radar (SAR) imagery by using 2-D adaptive block Kalman filtering is introduced. The image process is represented by an autoregressive model with a nonsymmetric half-plane (NSHP) region of support. New 2-D Kalman filtering equations are derived which taken into account not only the effect of speckles as multiplicative noise but also the effects of the additive receiver thermal noise and the blur. This method assumes local stationarity within a processing window, whereas the image can be assumed to be globally nonstationary. A recursive identification process using the stochastic Newton approach is also proposed which can be used on-line to estimate the filter parameters based upon the information within each new block of the image. Simulation results on several images are provided to indicate the effectiveness of the proposed method when used to remove the effects of speckle noise as well as those of the additive noise     

Mode filtering to reduce ultrasound speckle for feature extraction

The authors investigate the use of filtering techniques to reduce speckle in ultrasound images, to improve their suitability for later feature extraction. The maximum likelihood estimator for a speckle corrupted image is shown to correspond to the statistical mode but this is difficult to determine for small populations, such as those contained by a filter mask. The truncated median filter approximates the mode by using the order of known image statistics and provides a fully automated image processing technique for speckle filtering. The filter's performance is established using a new quantitative evaluation scheme that closely considers the effect of filtering on edges, a key factor when applying features extraction in automated image interpretation. Application to in vivo and phantom test images shows that the truncated median filter provides clear images with strong edges, of quality exceeding that of other techniques. These benefits are confirmed by the application of feature extraction in arterial wall labelling