基于图像熵的各向异性扩散相干斑噪声抑制

本文提出了一种基于图像熵的各向异性扩散滤波方法. 该方法使用图像熵作为边缘检测算子, 避免了由于均值和方差等统计量的估计带来的误差, 提高了边缘检测能力. 试验结果表明该方法能够获得比传统方法更好的相干斑噪声抑制效果. 关键词： 相干斑抑制 各向异性扩散 图像熵 合成孔径雷达     

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

基于双域滤波算法的OCT图像去噪

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一,具有巨大的发展潜力。OCT图像中含有大量的散斑噪声,会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法,依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象,引入各向异性扩散获得引导图像,代替了算法中的自身引导,减少了迭代次数。结果显示,所提方法提高了算法效率与图像质量,算法运行时间大幅度下降,图像峰值信噪比(PSNR)提高到36dB,结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右,有效抑制了OCT图像中的散斑噪声。     

相干激光雷达图像散斑噪声抑制算法

提出了一种新的用于散斑噪声抑制的非线性加权均值多方向形态滤波算法。运用此算法和先前提出的散斑噪声抑制算法以及小波软阈值算法和Lee滤波算法一并对相干激光雷达图像进行了噪声抑制处理，并且对处理的结果进行了比较，证明了本算法的进步，即在不降低噪声抑制能力的前提下，较好地保持了图像边缘。     

基于自适应耦合PDE模型的车牌图像去噪研究

针对车牌识别预处理中的图像去噪问题,提出一种自适应耦合偏微分方程(PDE)去噪模型;该模型在各项异性扩散模型的基础上,构造一种新的去除椒盐噪声的扩散项,能够根据噪声图像特点自适应控制扩散速度,有效抑制椒盐噪声,并将新的扩散项与各向异性扩散模型进行耦合,并提出一种新的耦合系数计算方法,根据图像信息自适应计算耦合系数,使得新模型能够在新的扩散项和各项异性扩散模型间自适应转换,有效去除车牌图像中的混合噪声;为了抑制去噪引起的图像边缘模糊问题,引入振动滤波进行逆滤波,增强图像的边缘信息;实验结果表明,自适应耦合PDE模型能更有效去除车牌图像中的混合噪声,保护图像的边缘信息,提高图像的峰值信噪比(PSNR);去噪后的图像更有利于后续的字符分割与识别,有效提高车牌图像的识别准确率。     

基于各向异性扩散的红外图像噪声滤波算法

抑制红外焦平面阵列探测器噪声时,为了有效保持边缘细节,在塔基(Tukey)扩散模型的基础上,提出了一种基于各向异性扩散的滤波算法.算法由微分法提取边界点集,利用信号和噪声的空间分布特性对图像进行预处理,从而改善了Perona-Malik(P-M)方程的病态性.建立了新的扩散系数且该系数在理论上满足Charbonnier等人构造准则.通过给定边界条件实现了有利于保持边缘的目的.该算法已在基于DSP FPGA的硬件平台上实时运行,较好地抑制了噪声,又有效地保持了边缘,处理后的图像具有良好的视觉效果.     

一种增强结构信息的图像平滑算法

基于非线性扩散滤波提出了可以同时对同质区域进行平滑和对结构信息进行增强的算法．该算法在同质区域采用各项同性滤波而在边缘附近采用各项异性扩散滤波，避免了图像平滑和增强结构信息之间的矛盾．在实现时，根据一致性程度选择扩散矩阵的扩散系数，可确保偏微分方程在离散化时的简洁性和一致性．数字实验结果表明，可以有效的平滑一致性低的区域并增强一致性高的结构．     

基于对数双曲余弦比差异图构造与多区域特征卷积极限学习机的合成孔径雷达图像变化检测

针对合成孔径雷达（SAR）图像变化检测中差异图质量不佳、检测精度偏低以及检测时间长等问题,提出了一种基于对数双曲余弦比（LHCR）差异图构造与多区域特征卷积极限学习机的无监督变化检测新方法。该方法主要由差异图生成和差异图分析两个阶段组成。在差异图生成阶段,利用各向异性扩散滤波器对同一地区不同时间的两幅SAR图像分别滤波,使用对数双曲余弦变换对滤波后的图像进行增强,通过对数比处理得到LHCR差异图,在抑制相干斑噪声的同时,增强差异图的对比度。在差异图分析阶段,应用分层模糊C均值聚类得到变化类、不变类和中间不确定类的预分类结果;进而从差异图、双时相SAR图像中获取多区域样本块,构成三通道数据输入卷积层进行特征提取。特征具有强调中心区域、抑制边缘噪声的特点;最后,使用变化类和不变类的特征向量进行极限学习机分类训练,再用训练好的模型对中间不确定类像素自动分类实现变化检测。Radarsat-2和高分三号数据集的实验结果表明了所提方法的有效性。     

光学相干层析图像层状结构的增强与定量测量

光学相干层析(OCT)成像技术对于眼底等层状组织的定量测量有赖于光学相干层析图像中层状结构的提取。为了对原始光学相干层析图像进行预处理以有效地去除图像中的噪声及散斑、增强图中的层状结构,并更好地保护图像中的层状结构,进而更准确地定量测量图像中有重要意义的层状结构的光程信息,提出在相干增强各向异性扩散(CED)算法中引入二阶导数项以控制沿相干方向的扩散强度,并将引入二阶导数项的相干增强各向异性扩散算法应用于不同样品的光学相干层析图像。结合在预处理后图像中层状结构位置的查找结果与样品的折射率信息,实现了对光学相干层析图像中有重要意义的层状结构厚度的定量测量。实验结果表明,使用引入二阶导数项的相干增强各向异性扩散算法对光学相干层析图像预处理有利于对图中重要层状结构的更准确测量。     

一种新的各向异性扩散红外噪声实时抑制算法

提出一种基于各向异性扩散偏微分方程的红外图像噪声抑制算法.通过将形态学处理和红外图像局部特征相结合,建立了一种新的扩散系数.该系数利用形态学膨胀腐蚀操作获取梯度算子,改善了Perona-Malik(P-M)梯度算子对噪声的敏感性,实现了均匀区域扩散增强且边缘细节区域扩散减弱的目的.算法已在EVM-DM642硬件平台上实时运行,实验表明:它在有效平滑噪声的同时较好的保持了图像边缘细节信息.     

基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法

为了克服传统的基于合成孔径雷达(SAR)图像局部统计特性的降斑算法的缺点,提出了基于区域分类、自适应滑动窗和结构检测的联合降斑算法.首先,联合降斑算法对当前区域进行区域分类,并直接保留强边缘结构和点目标.接着,联合降斑算法对均匀区域和弱边缘结构区域进行滑动窗的自适应增长,从而获得合适的滤波窗口.最后,联合降斑算法对新的滤波窗口使用区域分类.如果滤波窗口属于均匀区域,则直接使用均值滤波;如果滤波窗口属于边缘结构区域,则进一步使用结构检测,并且选择窗口内的均匀子区域作为最终的滤波区域.降斑实验表明,联合降斑算 关键词： 区域分类 自适应滑动窗 结构检测 联合降斑算法     

高分辨率合成孔径雷达图像的Gamma分布下最大后验概率降斑算法

针对传统的Gamma分布下最大后验概率降斑算法不能有效保留均匀区域的点目标, 不能有效保留弱边缘以及不能有效滤除强边缘区域的斑点等问题, 提出了基于第二类统计量的先验参数估计的高分辨率合成孔径雷达图像Gamma 分布下最大后验概率降斑算法. 使用Mellin卷积和斑点的乘性模型, Gamma先验分布的参数可由观察图像的前两阶对数累积量精确估计.所提算法具有解析的滤波输出, 便于实现.农田和城区的高分辨率合成孔径雷达图像的降斑实验表明, 与传统的Gamma分布下最大后验概率降斑算法相比, 所提算法既能有效保留均匀区域的点目标, 又能有效保留弱边缘, 还能有效滤除强边缘区域的斑点. 关键词： 高分辨率合成孔径雷达图像 Gamma分布下最大后验概率降斑算法 第二类统计量 对数累积量     

On some applications of diffusion processes for image processing

We propose a new algorithm inspired by the properties of diffusion processes for image filtering. We show that purely nonlinear diffusion processes ruled by Fisher equation allows contrast enhancement and noise filtering, but involves a blurry image. By contrast, anisotropic diffusion, described by Perona and Malik algorithm, allows noise filtering and preserves the edges. We show that combining the properties of anisotropic diffusion with those of nonlinear diffusion provides a better processing tool which enables noise filtering, contrast enhancement and edge preserving.     

Speckle reduction for medical ultrasound images with an expectation-maximization framework

In view of inherent speckle noise in medical images,a speckle reduction method was proposed based on an expectation-maximization(EM) framework.First,the real component of the in-phase/quadrature(I/Q) ultrasound image is extracted.Then,it is used to blindly estimate the point spread function(PSF) of the imaging system.Finally,based on the EM framework,an iterative algorithm alternating between the Wiener Filter and the anisotropic diffusion(AD) is exploited to produce despeckled images.The comparison experiment is carried out on both simulated and in vivo ultrasound images.It is shown that,with respect to the I/Q image,the proposed method averagely improves the speckle-signal-to-noise ratio(S-SNR) and the edge preservation index(β) of images by the factor of 1.94 and 7.52.Meanwhile,it averagely reduces the normalized mean-squared error(NMSE) by the factor of 3.95.The simulation and in vivo results indicates that the proposed method has a better overall performance than exited ones.     

基于斑点噪声的拖尾Rayleigh分布的合成孔径雷达图像最大后验概率降噪

为了反映合成孔径雷达图像中斑点噪声尖峰厚尾的统计特征，使用拖尾Rayleigh分布来描述斑点噪声.基于Gamma先验分布和斑点噪声的拖尾Rayleigh分布，推导出了合成孔径雷达图像的最大后验概率滤波方程，并给出了它在特定特征参数时的解析形式.使用Mellin变换从观察图像估计拖尾Rayleigh分布的未知参数.给出了在斑点噪声的拖尾Rayleigh分布下的最大后验概率降噪试验和量化指标.为了消除滑动窗大小和噪声强度对降噪结果的影响，给出了降噪能力随滑动窗大小和噪声方差的动态变化关系.结果表明，拖尾Ray 关键词： 斑点噪声 拖尾Rayleigh分布 最大后验概率降噪 Mellin变换     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

An adaptive squared-distance-weighted interpolation for volume reconstruction in 3D freehand ultrasound

Volume reconstruction is a key procedure in 3D ultrasound imaging. An algorithm named as squared-distance-weighted (SDW) interpolation has been earlier proposed to reduce the blurring effect in the 3D ultrasonic images caused by the conventional distance weighted (DW) interpolation. However, the SDW parameter alpha, which controls the weight distribution, is a constant assigned by operators so that the interpolation effect is invariant for both sharp edges and speckle noises. In this paper, we introduced a new adaptive algorithm based on SDW interpolation for volume reconstruction of 3D freehand ultrasound. In the algorithm, the local statistics of pixels surrounding each voxel grid were used to adaptively adjust the parameter alpha in SDW. The voxel grids with a higher ratio of local variance and mean in their neighbourhoods would have a smaller alpha to make the image details sharper, while the voxel grids locating in regions with a lower ratio of local variance and mean would have a larger alpha to smooth image content in homogeneous regions, where speckle noise is usually observed and damages the image quality. By comparing the simulation results using the SDW and new adaptive algorithm, it was demonstrated that this new algorithm worked well in both edge preservation and speckle reduction.     

Efficient anisotropic filtering of diffusion tensor images

To improve the accuracy of structural and architectural characterization of living tissue with diffusion tensor imaging, an efficient smoothing algorithm is presented for reducing noise in diffusion tensor images. The algorithm is based on anisotropic diffusion filtering, which allows both image detail preservation and noise reduction. However, traditional numerical schemes for anisotropic filtering have the drawback of inefficiency and inaccuracy due to their poor stability and first order time accuracy. To address this, an unconditionally stable and second order time accuracy semi-implicit Craig-Sneyd scheme is adapted in our anisotropic filtering. By using large step size, unconditional stability allows this scheme to take much fewer iterations and thus less computation time than the explicit scheme to achieve a certain degree of smoothing. Second-order time accuracy makes the algorithm reduce noise more effectively than a first order scheme with the same total iteration time. Both the efficiency and effectiveness are quantitatively evaluated based on synthetic and in vivo human brain diffusion tensor images, and these tests demonstrate that our algorithm is an efficient and effective tool for denoising diffusion tensor images.