首页 > 文献资料
-
应用图像的方向局部直觉模糊熵的图像高频噪声去噪方法
图像中高频噪声的去除是一个重要的研究方向.本文提出了一种基于图像的方向局部直觉模糊熵的图像高频噪声去除方法.本方法中,基于NSCT分解后不同方向的子图像上系数分布的方向性,我们改进了图像的局部直觉模糊熵理论,并提出了方向局部直觉模糊熵,对NSCT分解后的高频层系数进行去噪.实验证明,图像的方向局部直觉模糊熵可以提高图像的高频层系数的去噪效果,并在提高去噪效果的同时保护图像的纹理区域信息.
关键词： 图像去噪 非下采样的轮廓波变换 高频层去噪 方向局部直觉模糊熵 纹理区域保护 -
人体消化道诊断系统中的图像工作站
影像工作站具有较高的实用性,使医生能够清楚地看到体内病变组织的图像,也可将上述图像进行存储、输出,以便进一步诊断和处理.本文介绍了影像工作站的主要的功能,并从图像预处理,图像相关的浏览功能和建立相关数据库进行数据存储三个方面论述了其功能实现方法.
-
基于小波分析的红外乳腺图像去噪与增强的实验研究
将小波的多分辨率分析技术运用到红外乳腺图像的降噪增强处理以改善图像质量.运用不同的阈值量化策略实现图像降噪.再引入增益因子,采用基于小波变换的增强算法突出肿块阴影.通过实验将直接增强和去噪后再增强的图像进行对比可以得到清晰度更高的图像.经处理后的乳腺图像,为临床提供了更细致明确的信息,有助于提高诊断水平.
-
联合稀疏表示的医学图像融合及同步去噪
将多模态医学图像的互补信息有机地融合在一起,可为临床诊断和辅助治疗提供丰富信息和有效帮助.基于联合稀疏模型,提出一种联合稀疏表示的医学图像融合算法,当图像被噪声污染时,该算法在融合的同时兼有去噪功能.首先,将配准的源图像编纂成列向量并组成联合矩阵,通过在线字典学习算法(ODL)得到该矩阵的超完备字典;其次,利用该字典得到联合稀疏模型下的联合字典,之后利用小角回归算法(LARS)计算基于联合字典的公共稀疏系数和各图像的独特稀疏系数,并根据“选择大化”融合规则得到融合图像的稀疏系数;后,根据融合系数和超完备字典重构融合图像.将该算法与3种经典算法比较,结果显示其主观上亮度失真和对比度失真较小,边缘纹理清晰,客观参数指标MI、QAB/F在无噪声干扰和有噪声干扰时的统计均值分别为:3.992 3、2.896 4、2.505 5和0.658、0.552 4、0.439 6,可以为临床诊断和辅助治疗提供有效帮助.
-
非局部主成分分析极大似然估计MRI图像Rician噪声去噪
由于MRI图像中噪声呈Rician分布,直接使用现有针对高斯噪声的去噪方法将引入误差.基于此本研究使用Rician噪声模型改进现有极大似然估计去噪的高斯模型,同时引入非局部主成分分析,在非局部区域选择灰度和纹理均具有较高相似性的像素进行优复原估计.使用非局部主成分分析不仅克服现有局部性去噪方法模糊边界的缺陷,而且具有更高的图像细节信息复原能力.分别应用所提出的方法、局部极大似然估计去除Rician噪声方法、采用参数修正非局部均值去除Rician噪声方法、无特定噪声模型的全变差方法,对不同噪声等级和不同纹理复杂度的图像进行定性和定量的去噪实验.结果表明,所提出的方法可在保持图像细节和纹理信息的前提下有效去噪,较之现有方法效果更好.
-
一种适用于正电子断层图像去噪研究的简易图像模拟方法
正电子断层成像作为一种先进的成像技术,广泛地应用于临床诊疗和医学研究.正电子断层成像设备昂贵,成像药物具有放射性,所以相关图像处理研究大多以电脑模拟生成的正电子断层图像作为研究对象.目前比较常见的正电子断层图像模拟方法主要是基于蒙地卡罗法,使用GATE或者SimSET来得到模拟图像.这些模拟方法较为复杂,整个模拟过程也需要花费大量的时间.为此提出一种PET图像模拟方法,通过对比模拟图像与真实图像经小波去噪处理后的结果,进而论证模拟方法的有效性.该模拟方法基于Matlab平台,以实际物理模型的数码照片作为蓝本,通过拉登变换并加入强度为5的泊松噪声,终得到模拟PET图像.在小波去噪的处理中,选择图像的SNR、CR、FWHM等指标进行对比.对比结果表明,经过小波去噪处理后的模拟图像与真实图像在SNR与FWHM两个指标中具有相同的变化趋势,在CR指标中,图像变化率误差小于10％.实验结果证明,该模拟方法是合理有效的.
-
基于泊松噪音模型的图像去噪方法
通常认为,CT中的投影数据带有泊松噪音.然而目前尚未有定论,从投影数据重建得到的CT图像带有何种类型的噪音.由于CT图像的灰度值呈现一定泊松分布的性质,因此我们可以假定CT图像被“类泊松”噪音所污染.本文中,我们提出一种去除“类泊松”噪音的模型,基于仿真数据和真实CT数据的数值实验结果证明了该模型的有效性.此外,该模型可以被扩展到混合噪音模型甚至未知类型的噪音上.我们还提出了一种基于对偶和松弛迭代技术的快速数值算法.
-
基于非采样Contourlet变换和Wiener滤波的图像去噪
提出了一种基于非采样Contourlet变换与Wiener滤波相结合的图像去噪算法.非抽样Contourlet变换可以实现多分辨、局部、尤其是多方向图像表示,且具有平移不变性,避免了去噪过程中出现的伪Gibbs现象;而Wiener滤波在小均方误差意义上是对图像的优估计.该算法结合Contourlet变换和Wiener滤波各自的优点,首先采用非采样Contourlet变换对含噪图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数;然后在各子带图像上进行Wiener滤波;后经过非采样Contourlet逆变换得到去噪估计图像.该方法应用于peppers图片去噪,结果图像峰值信噪比(PSNR)增加为15.6775,小均方误差(MSE)减小为1749,好于Wiener去噪(PSNR为13.7618,MSE为2549)和小波与Wiener滤波相结合去噪(PSNR为14.0662,MSE为2734).实验结果表明此方法提高了图像的峰值信噪比、减小了均方误差.
关键词： 非采样Contourlet变换 图像去噪 Wiener滤波 -
基于各向异性扩散和小波变换的磁共振图像降噪和增强方法
降噪是医学图像处理中一个非常重要的问题,传统去噪方法在降低噪声的同时会模糊图像的边缘,各向异性扩散滤波在降低图像噪声的同时能够使图像的边缘得到保持.利用小波变换可以对图像进行多尺度分解,使我们可以在不同尺度上对图像进行处理.本文利用各向异性扩散滤波对MRI图像进行降噪,然后利用平稳小波变换对图像进行增强处理.实验结果表明,该方法在有效去除噪声的同时能够增强图像的细节,有效地提高了图像的质量.
-
基于维纳滤波与小波相融合的超声医学图像去噪方法
留了图像边缘和图像细节信息.
-
基于小波域隐马尔可夫树模型的医学图像去噪
目的:为了更好地去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪和小波域隐马尔可夫模型的基础上,进行改进,即引入了方差不变性变换来调整原始图像的噪声模型为高斯噪声模型;图像分解为不同频率的不同子带,而隐马尔可夫树模型则用来规划小波系数的边缘分布.结果:自然图像处理实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:同时用该方法处理DR图像,处理结果表明此方法在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波闽值滤波等方法效果要好.
关键词： 小渡变换 小渡域隐马尔可夫树模型 方差不变性变换 图像去噪 高斯噪声 -
微阵列图像的自动识别方法
微阵列图像具有高通量的特性,广泛应用于生物信息的研究中.微阵列图像的自动识别主要包括去除杂质噪声、网格定位、图像分割,还常包括倾斜图像的校正.现有的除噪方法主要有整体法、局部法、形态学滤波和小波变换.网格的自动定位主要是基于模版匹配或投影信号的信息,再利用图像的空间信息与像素强度进行分割,将图像的样点自动识别出来.分析了各部分不同算法的应用,并将其特点与结果加以综述.
-
基于光学相干层析离体牙图像的去噪算法研究
目的 光学相干层析成像因其高分辨率、无损等优点,适于早期龋检测;但由于系统中存在的噪声,影响其成像质量.为了重建牙齿的原貌信息,需寻找一种适于早期龋检测的光学相干层析成像实时图像去噪算法.方法 比较平均曲率流滤波、非线性扩散拉普拉斯金字塔算法、非局部均值滤波3种滤波方法对光学相干层析人离体牙图像的去噪效果.从噪声抑制、边界保持、运算时间3方面分析上述3种算法的实时去噪性能及其优缺点.结果 非局部均值滤波在噪声抑制和边界保持2个方面能达到很好的平衡,但实时性差;而非线性扩散拉普拉斯金字塔算法则能在滤波效果和运算效率达到较好的平衡;平均曲率流滤波次之.结论 非线性扩散拉普拉斯金字塔算法较适于早期龋检测的光学相干层析成像实时图像去噪.
-
小波变换及其在医学图像处理中的应用
医学图像的好坏直接影响着医生对病情的诊断和治疗,因此利用数字图像处理等技术对医学图像进行有效的处理,已成为医学图像处理研究和开发的一大热点.小波变换是对傅里叶变换的继承和发展,在医学影像领域有着广泛的应用前景.本文介绍了二维离散小波变换的一般形式,在图像分解与重构的基础上,系统地阐述了利用小波变换的时频域特性与多分辨分析对医学图像进行去噪、增强以及边缘提取等深层次的处理,有效的改善图像质量.
-
小波变换在中医诊断图像中去噪处理的应用
为提高中医诊断图像的质量,应用改进的基于小波变换尺度间相关性的去噪方法,对诊断图像进行去噪处理.结果显示,该去噪方法能有效去除中医诊断图像中的噪声.
-
基于Bayesian估计的小波自适应阈值方法对图像进行去噪处理的研究
利用Bayesian估计的小波自适应阈值方法对图像进行去噪处理.通过高斯滤波和小波变换的三种方法(传统的硬阈值、传统的软阈值去噪、基于Bayesian估计的自适应阈值去噪)分别同时对加不同标准差σ的Rician噪声信号进行消噪处理,对比验证高斯滤波和传统小波阈值去噪的优劣,以及新的Bayesian估计自适应阈值小波去噪在磁共振成像(magnetic resonance imaging ,MRI)图像信号去噪方面的优越性.小波去噪后的信号信噪比比高斯滤波去噪后信号的信噪比高,且均方根误差要低.采用基于Bayesian估计的自适应阈值小波去噪方法比采用的高斯滤波保留了更多有用信号,优化后的氧摄取分数( oxygen extraction fraction,OEF)值有一定程度增大,使结果更接近正电子发射型计算机断层显像( positron emission computed tomography,PET)测量金标准.成功完成信号和噪声分离优化,将一种新的基于Baysian估计的自适应小波阈值去噪应用到了功能核磁共振成像的降噪分析上,取得了不错的效果.
-
一种具有增强功能的小波变换图像去噪方法
目的 探讨一种小波变换的图增强像去噪算法.方法 对含加兴噪声图像进行小波变换后,对低频小波系数进行均衡化处理,对低频小波系数进行阈值处理.结果 基于直方图均衡化的小波变换图像增强去噪方法,增强了图像,有效地去除了高斯噪声.结论 本研究结果对于图像小波增强噪具有一定的参考意义.
-
基于小波与小波包分析的CT图像去噪研究
目的:小波与小波包分析在医学CT图像噪声抑制方面的应用价值研究.方法:采用MATLAB6.5对512×512的CT图像进行实验.提出了小波局部阈值软硬函数折中消噪方法.并将此方法与小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪、及小波包消噪的方法进行了对比.结果:从实验中可以得出小波包消噪效果好,能够有效的滤除图像中的噪声且边缘效果保持良好,本文提出的小波局部阈值软硬函数折中消噪法也能能够有效的滤除图像中的噪声,效果较小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪要好,但是边缘效果及噪声滤除的程度都不及小波包.结论:实验结果表明本文提出的小波局部阈值软硬函数折中消噪方法在小波消噪方面具有一定的价值.
-
正电子发射断层扫描图像非局部几何非线性扩散去噪方法
目的:评估一种新的正电子发射断层扫描技术(PET)图像去噪方法—非局部几何非线性扩散滤波.方法:首先,计算PET图像的几何非线性扩散系数;然后,对该扩散系数进行非局部邻域加权平均;后,用非局部加权平均后的扩散系数对PET图像进行几何非线性扩散滤波.结果:与原几何非线性扩散滤波、非局部均值滤波、PURE-LET滤波方法相比,非局部几何非线性扩散滤波可提高PET图像峰值信噪比和结构相似性,增强图像视觉效果.结论:非局部几何非线性扩散滤波是一种有效的PET图像去噪方法.
-
基于Contourlet阈值法的锥形束CT图像去噪研究
目的:将多尺度分析工具之一的Contourlet变换运用到锥形束CT(CBCT)图像去噪领域,并对Contourlet不同阈值去噪方法进行探讨.提出基于Contourlet变换结合半软阈值方法对锥形束CT去噪,并论证去噪效果.方法:利用Contourlet变换的多尺度多方向性以及平移不变性,对低分辨率锥形束CT图像进行拉普拉斯塔形滤波和方向滤波多层分解后得到变换系数,随后对变换系数采用不同阈僮方法进行处理,后逆序反变换得到去噪后图像.通过软阈值和硬阈值方法在Contourlet变换中的应用,提出半软阈值结合Contourlet变换方法对锥形束CT图像去噪.通过对头,胸,盆腔各10例临床锥形束CT图像的去噪,比较三种阈值去噪效果.结果:半软阈值法在胸部和盆腔部锥形束CT图像去噪中比Contourlet硬阈值去噪在PSNR上平均高出1.40 dB和3.11 dB,但在头部锥形束CT图像处理中无优势,而Con-tourlet软阈值去噪后的锥形束CT图像在消除噪声的同时,信号自身的能量被消弱多.结论:本文半软阈值法在一定程度上修正了硬,软阈值函数的缺陷,结合Contourlet变换在处理图像几何结构方面的优势,为锥形束CT图像去噪提供了一个新思路.
关键词： 锥形束CT (CBCT) 图像去噪 Contourlet变换 半软阈值
