旋转不变的非局域均值算法在磁共振图像去噪中的应用

磁共振成像（MRI）实验时常采用多次扫描累加平均提高图像信噪比（SNR）,但当扫描过程中运动引起图像变形时,简单地累加平均就无法奏效.为此,本研究组曾提出一种匹配加权平均方法（MWA）提高图像的信噪比.在此基础上,该文提出一种旋转不变的非局域均值算法（RINLM）,即选取圆形邻域区域并将其划分为一系列以中心像素为圆心的等面积圆环,再计算模式的相似性.RINLM算法可以更好地利用图像中旋转的冗余信息、找到更多的相似结构,提高算法的去噪性能.我们把该方法应用于低信噪比图像序列的平均和去噪中,可以更好地处理旋转的局部运动.与非局域均值算法（NLM）相比,RINLM算法可以进一步提高图像的信噪比;与MWA方法相比,其与RINLM算法的结合可以进一步提高磁共振图像序列信噪比,更好的保持图像边缘信息.     

复杂背景下运动点目标的检测算法

在复杂背景红外序列图像中,运动点目标的检测一直是研究的重点和难点。介绍了一种新的复杂背景下运动点目标的检测算法。首先根据点目标、背景干扰和噪声在红外图像中的差异,运用窗口大小不同的均值滤波器进行背景抑制以提高图像的信噪比,然后用一种门限法得到新的分割序列图像,最后采用改进后的隔帧差分光流场算法可有效地检测出点目标。仿真实验表明该算法优于传统光流场算法,能够检测帧间位移小于一个像元的运动目标,具有较好的检测性能,且实时性强。     

利用动态接收增益提高磁共振成像信噪比的方法

提出了一种提高磁共振成像(MRI)信噪比的有效方法.该方法在每次采集回波信号前,能够快速、灵活地控制MRI接收机的增益,实现磁共振信号动态范围的压缩;在图像重建之前采用双精度浮点运算扩展动态范围压缩的磁共振信号,最终得到信噪比提高的重建图像.在1.5 T超导MRI系统上进行了自旋回波序列的水模成像,实验结果表明,相比传统的基于固定接收增益的扫描图像,利用该方法得到的T1加权图像信噪比可以提高10%.和其他提高磁共振信号动态范围的方法相比,该方法无需增加额外硬件电路,避免多次采集图像,因而具有实现成本低的优点,是一种提高MRI信噪比的有效方法.     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.     

面向脑血管分割的改进型非局部均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

均值滤波算法研究

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法,改进了非局部均值滤波方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声,比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法,结果表明,改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的...     

子阵列差分系数加权的超声成像算法

传统的自适应加权系数可以有效改善超声图像的分辨率和对比度,但会影响背景图像的散斑特性,因此提出子阵列差分加权系数(SDF)以提升图像质量。该系数适用于传统线扫描超声成像,首先对阵列接收到的回波信号采用子阵列平滑的方式计算均值,得到信号中高相干性成份的强度,再用差分的方式反映相邻阵元回波信号之间的差异性,最后对延时叠加(DAS)成像结果进行加权成像。仿真和实验结果表明SDF (L=8)加权算法相对于传统的DAS成像算法,可以有效改善分辨率和对比度,其中仿真数据的对比度提高了62.9%,体模实验数据的对比度提高了74.7%。相对于相干系数(CF)、广义相干系数(GCF)和信号均值标准差系数(SMSF),SDF可以改善背景组织的成像质量,其中仿真图像的散斑信噪比(SSNR)分别提高了36.8%,5.7%和26.2%,体模实验图像的SSNR分别提高了48.6%,17.0%和20.9%。可见SDF系数可以有效改善超声成像的质量。      

基于时空非局部相似性的海上红外弱小目标检测

为了消除海上红外弱小目标检测中图像背景杂波和噪声的影响,提出了一种基于时空非局部相似性的红外图像弱小目标检测方法.该方法充分利用了相邻帧的红外图像序列间海面背景图像块的非局部自相关特性以及每帧内非局部背景图像块间的相似特性,并引入时空域图像块模型,该模型可利用加速近端梯度方法来有效求解.实验结果表明,与传统的红外弱小目标检测方法相比,所提方法不仅能更有效地保留目标的特征信息,还能使红外图像的峰值信噪比提高1.2倍以上,信杂比提高1.8倍以上.     

基于非局部均值滤波与时域高通滤波的非均匀性校正算法

时域高通滤波非均匀性校正是一种典型的基于场景的红外焦平面阵列非均匀性校正算法,但其易产生"鬼影"现象,影响校正效果.本文在时域高通滤波校正算法的原理基础上,分析了其校正过程中"鬼影"现象产生的原因,即由于全部图像信息的叠加而导致静止场景被滤除且运动场景会在当前位置留下反转的图像,从而形成"鬼影".引入非局部均值滤波方法,提出了一种去"鬼影"的非局部均值滤波-时域高通滤波非均匀性校正方法.该方法首先采用非局部均值滤波将图像信息分离成高低频两部分(其中高频成分含有大部分噪音及非均匀性),并使用高频成分进行时域高通滤波算法中低通输出的递归运算,使得低通滤波后的图像含有较少的场景信息,从而可使校正输出图像含有较少的"鬼影"现象.采用两组真实红外序列图像进行验证,结果表明该算法不仅能获得较好的非均匀性校正效果,而且能较好地抑制时域高通滤波算法中的"鬼影"现象.     

Simple and effective method to improve the signal-to-noise ratio of compressive imaging

This Letter presents a simple and effective method to improve the signal-to-noise ratio(SNR) of compressing imaging. The main principles of the proposed method are the correlation of the image signals and the randomness of the noise. Multiple low SNR images are reconstructed firstly by the compressed sensing reconstruction algorithm, and then two-dimensional time delay integration technology is adopted to improve the SNR. Results show that the proposed method can improve the SNR performance efficiently and it is easy to apply the a lgorithm to the real project.     

基于空间广义相干系数加权的医学合成孔径超声成像

为解决广义相干系数用于合成孔径成像中所存在的运算量大,图像对比度改善有限等问题,提出空间广义相干系数加权成像方法。该算法根据单个孔径成像结果之间的相干性来计算相干系数,通过加权空间合成进行成像。采用对FieldⅡ仿真点目标和吸声斑目标的数据进行成像表明,算法不仅使运算量减少N(N为阵元数)倍,而且相对于传统的广义相干系数算法,算法对散射点成像可提高信噪比7 dB,对于吸声斑成像可提高对比度3.2 dB。可见算法可以有效地提高成像速度和成像质量。      

Super-resolution image restoration algorithm based on orthogonal discrete wavelet transform

By using orthogonal discrete wavelet transform(ODWT)and generalized cross validation(GCV),and combining with Luck-Richardson algorithm based on Poisson-Markovmodel (MPML),several new superresolution image restoration algorithms are proposed.According to simulation experiments for practical images,all the proposed algor ithms could retain image details better than MPML,and be more suitable to low signal-to-noise ratio(SNR)images.The single operation wavelet MPML(SW-MPML)algorithm and MPML algorithm based on single operation wavelet transform(MPML-SW)avoid the iterative operation of self-adaptive parameter in MPML particularly,and improve operating speed and precision.They are instantaneous to super-resolution image restoration process and have extensive application foreground.     

基于变换矩阵的BGA X-ray图像倾斜识别

针对基于X-Ray的焊球阵列封装(BGA)焊接缺陷检测中,现有的图像处理算法无法有效处理PCB意外倾斜的问题,提出了一种自动判断BGA焊点X射线图像倾斜程度并进行校正的方法。首先根据BGA焊点阵列排布的特性恢复出原始图像中的结构信息,然后使用广义逆矩阵求解出理想正视图像与实际倾斜图像之间的变换矩阵,最后对倾斜图像进行逆变换以得到理想正视图像,并使用变换矩阵估计出PCB的倾斜程度。实验针对正视与倾斜的BGA焊点的X射线图像,运用所提方法,准确判别出图像的倾斜程度,并进行了校正。此方法既可以作为一种图像质量评价算法,在BGA X-Ray缺陷检测中判断图像是否为需要的正视图像;也可以作为一种图像自动校正算法,提升基于X射线的自动检测系统的适应性。     

A wavelet-based method for improving signal-to-noise ratio and contrast in MR images

Magnetic resonance (MR) images acquired with fast measurement often display poor signal-to-noise ratio (SNR) and contrast. With the advent of high temporal resolution imaging, there is a growing need to remove these noise artifacts. The noise in magnitude MR images is signal-dependent (Rician), whereas most de-noising algorithms assume additive Gaussian (white) noise. However, the Rician distribution only looks Gaussian at high SNR. Some recent work by Nowak employs a wavelet-based method for de-noising the square magnitude images, and explicitly takes into account the Rician nature of the noise distribution. In this article, we apply a wavelet de-noising algorithm directly to the complex image obtained as the Fourier transform of the raw k-space two-channel (real and imaginary) data. By retaining the complex image, we are able to de-noise not only magnitude images but also phase images. A multiscale (complex) wavelet-domain Wiener-type filter is derived. The algorithm preserves edges better when the Haar wavelet rather than smoother wavelets, such as those of Daubechies, are used. The algorithm was tested on a simulated image to which various levels of noise were added, on several EPI image sequences, each of different SNR, and on a pair of low SNR MR micro-images acquired using gradient echo and spin echo sequences. For the simulated data, the original image could be well recovered even for high values of noise (SNR approximately 0 dB), suggesting that the present algorithm may provide better recovery of the contrast than Nowak's method. The mean-square error, bias, and variance are computed for the simulated images. Over a range of amounts of added noise, the present method is shown to give smaller bias than when using a soft threshold, and smaller variance than a hard threshold; in general, it provides a better bias-variance balance than either hard or soft threshold methods. For the EPI (MR) images, contrast improvements of up to 8% (for SNR = 33 dB) were found. In general, the improvement in contrast was greater the lower the original SNR, for example, up to 50% contrast improvement for SNR of about 20 dB in micro-imaging. Applications of the algorithm to the segmentation of medical images, to micro-imaging and angiography (where the correct preservation of phase is important for flow encoding to be possible), as well as to de-noising time series of functional MR images, are discussed.     

一种应用于心磁噪声抑制的选择性平均方法研究

在心磁信号探测中, 抑制环境噪声是提取心磁信号的关键. 为了提高心磁信号的信噪比, 信号平均得到了广泛地使用. 然而, 由于局部干扰噪声的存在, 对整段数据进行平均的传统方法不可避免地会带来心磁信号的失真. 本文通过采取模版匹配的方式, 提出了一种选择性平均方法. 结果显示, 本方法能有效剔除带有低频波动、脉冲毛刺等干扰的数据段, 获取高质量的平均心磁信号. 关键词： 心磁 信号平均 噪声抑制 信噪比     

实现空间高分辨成像的数字域时间延迟积分CMOS相机设计及分析

为使具有诸多优点的互补金属氧化物半导体(CMOS)传感器更适合空间高分辨成像,寻求空间高分成像的新型技术,提出了更利于微光成像和推扫成像的卷帘数字域时间延迟积分(TDI)算法。同时研究数字域TDICMOS相机成像质量,详细分析了其噪声来源和特性,并建立了数字域积分图像信噪比(SNR)与积分级数的关系模型,讨论了积分时间和光照度对SNR的影响。最后利用设计的IBIS5-B-1300卷帘数字域TDI CMOS原理样机开展验证实验。实验结果表明本文算法能明显提高成像质量,数字域10级积分图像SNR由未积分的19.07dB提高至29.21dB,而且级数越大,SNR越大。理论分析和实验验证均表明M级卷帘数字域TDI可使图像SNR提高M(σAD+σCMOS)/(MσAD+槡MσCMOS)倍,其中σAD和σCMOS与选择的CMOS传感器有关,另外σCMOS还受积分时间和光照度的影响。     

基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割

在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图|然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图|最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.     

多通道相位图像的改进型自适应重建算法

自适应重建(Adaptive Reconstruction,AR)算法被广泛应用于磁共振图像的多通道合并问题上.AR算法不需要直接采集各个线圈的灵敏度信息,而是通过通道间信号及噪声相关矩阵,估算出各个通道的灵敏度,从而保证了合并的幅值图像具有较高的信噪比(Signal-to-Noise Ratio,SNR).然而,由于AR算法没有针对相位图像的合并问题进行优化,导致重建出的相位图像具有不确定性.另外,受各通道之间相位偏移及低信噪比相位图像的影响,重建结果可能包含伪影.该文提出了一种改进型AR算法,估算并移除了各通道之间的相位偏移,同时对多通道数据的相位进行质量评估及通道重排,用以进行后续自适应重建.仿体及在体实验表明,该方法可以有效提升AR算法稳定性、消除重建图像中存在的伪影,同时保持合并后幅值图像及相位图像的高信噪比.