多尺度条件卷积的OCT视网膜图像降噪研究

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量.在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的.利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息.提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN,其具有多尺度、多权重和多层次...     

基于双通道神经网络的图像脉冲噪声降噪

脉冲噪声是成像过程中的一个主要噪声源,传统的滤波器难以有效消除高密度的脉冲噪声.针对这一问题,提出了一种基于非对称并行神经网络的图像脉冲噪声降噪算法.算法利用隐写分析丰富模型提取图像的噪声卷积特征图;将原图像特征图与噪声卷积特征图分别送入两个相同的卷积神经网络进行处理;结合l1损失与l2损失作为神经网络的总代价函数,同...     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。     

基于Lee和Curvelet相结合的SAR图像降噪方法

提出了一种新型的Lee滤波与曲波相结合的降噪方法。首先采用16个方向检测模板扫描图像,区分和标记均匀区域和边缘区域;然后分别使用Lee和改进软阈值的曲波降噪方法处理SAR图像的均匀区域和边缘区域;最后组合2种降噪结果,生成完整的降噪图像。实验结果证明,该方法既能更有效地抑制SAR图像噪声,同时又能更好地保持图像边缘信息。     

基于尺度相关性的微光图像降噪算法及其硬件实现

微光电视是低照度条件下的重要观测手段,但微光电视图像信噪比低,观察效果差,必须进行降噪处理.根据噪声小波系数随着小波分解尺度加大而减小的特性,文中算法利用微光图像小波分解层间相关性,可以良好地消除噪声,同时克服了传统降噪方法在滤除噪声的同时会造成图像细节损失的缺点.从所介绍的微光图像实时处理系统实现结果看,降噪效果明显.本文还给出了算法工程化实现的定标和阈值确定方法.     

基于全卷积金字塔残差网络的能谱CT图像降噪研究

传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。     

超声医学图像降噪处理中的软阈值方法

通过二维离散小波变换将超声医学图像投影到小波变换域 ,利用Donoho软阈值技术方法进行降噪处理 ,可快速有效地去除图像的斑点噪声     

结合残差U-Net神经网络和DIP的PET图像降噪

由于正电子发射型计算机断层显像(PET)噪声较大,现有图像降噪效果不理想,提出了一种结合残差U-Net神经网络和深度图像先验(DIP)的PET图像降噪.在U-Net网络中引入残差学习,提高网络表达能力和收敛速度;提出一种无训练数据的DIP算法,将神经网络解释为图像的参数化,利用图像噪声参数化后呈现高阻抗的特性将其去除,...     

频谱卷积神经网络实现全息图散斑降噪

数字全息系统是一种非常先进的成像系统,但相干光源数字全息系统中散斑噪声会对全息图的质量产生不利影响,常规实验降噪或基于传统神经网络算法降噪方法均存在不足。为实现全息图中的散斑降噪以及权衡降噪效率问题,提出一种基于卷积神经网络的单幅全息图快速降噪算法,使用散斑噪声数据集对多等级神经网络进行训练。理论分析及实验结果表明卷积神经网络应用于数字全息图的频谱域去噪能有效提高全息图的质量,且仅使用一幅全息图就可以有效地处理不同等级散斑噪声,在保持去噪性能的前提下,能最大限度保存全息图有效干涉条纹。     

便携式X光机图像降噪复合算法研究

便携式X光机应用越来越广,因而对其所成图像的降噪也显得尤为重要.本文首先讨论和分析了便携式X光机成像系统噪声的来源及其特性,针对传统单一降噪算法存在的不足,提出了一种新的复合式降噪算法.该复合算法不仅对高斯噪声和脉冲噪声有很好的滤除效果,同时也能有效地保护图像的细节部分.仿真实验证明,该算法切实可行.     

利用小波降噪提高检测举重图像杠铃位置的准确性

举重是广西重点开展的一项体育运动项目。采用小波变换软阈值降噪方法对举重序列图像进行预处理,然后使用Hough变换自动检测杠铃位置,将降噪处理后自动检测的杠铃位置、没有进行降噪处理自动检测的杠铃位置分别与人工检测的杠铃位置比较,研究小波变换降噪法对提高举重序列图像杠铃位置准确性的作用。结果表明,应用小波变换软阈值法对举重图像进行降噪预处理,可以将Hough变换检测举重序列图像杠铃位置的误差由5%左右降到1%左右,可以减少Hough变换检测杠铃圆形边缘时受随机噪声点的干扰,从而减少Hough变换的运算量和计算时间。     

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     

基于自适应阈值方法实现迭代降噪鬼成像

为了有效降低传统鬼成像中相关噪声对成像质量的影响,本文提出一种基于最佳阈值的迭代降噪鬼成像.首先在迭代降噪鬼成像的基础上,采用自适应阈值迭代法,在不需要目标先验信息的前提下,找到一个逼近传统鬼成像中相关噪声的阈值,根据得到的阈值构造噪声干扰项.为了每次迭代初值更接近原始目标的透射系数,对其进行二值化,降低重构图像背景噪声对迭代性能的影响.仿真以及实验结果表明,本文提出的方法与传统方法相比,视觉效果以及峰值信噪比值有明显提高.     

采用自注意力机制的OCT图像AMD亚型分类研究

目前基于卷积神经网络(CNN)的视网膜光学相干层析成像(OCT)图像分类方法存在对于小范围病变区域识别不清的问题,导致在判断年龄相关性黄斑变性(AMD)疾病干湿性、脉络膜新生血管形成(CNV)的活动性时准确率不高,而正确判断病变类型对于眼科医生制定治疗方案至关重要。为此本文提出了一种基于自注意力机制的CNN模型MobileX-ViT,将传统卷积层和自注意力模块结合,同时提取浅层网络的特征信息并获取图像的全局信息,以提高模型分类准确率。实验证明,相比于经典CNN分类模型Inception-V3、ResNet-50、VGG-16和MobileNeXt,文章提出模型在分类准确率上分别提高了5.6%、5.3%、4.5%和2.8%,证明了模型的有效性,为解决目前视网膜OCT图像分类中对于小范围病变区域识别不清的问题提供了新的方法。     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

各向异性扩散滤波远探测声波测井图像降噪方法*

声波远探测测井技术近年来在复杂油气藏的构造识别和储层评价中发挥着重要作用。该技术利用来自井外的反射波对井旁地质构造进行准确成像,但由于反射波具有幅度低、受幅度强的井孔直达波干扰等特点,实际数据提取到的反射波信噪比往往比较低,需要对反射波进行降噪处理。非线性各向异性扩散滤波能够在滤除图像噪声的同时保留图像边缘及细节等信息,在地震数据处理和医学图像去噪中都有广泛应用。该文从各向异性扩散滤波的基本原理入手,将提取到的井外反射波信号当作图像,采用不同扩散张量进行处理,通过含噪声的模拟数据处理验证了该方法的处理效果并建立起适合于远探测测井的数据处理流程,实际远探测数据处理结果进一步表明其具有较好的应用前景。     

基于双流网络的视网膜血管分割方法

对视网膜血管形态特征的分析有助于视网膜相关疾病的诊断。为了能够更准确地分割出视网膜血管,提出一种基于双流网络的分割视网膜血管的方法。首先用具有编码器-解码器结构的卷积神经网络分别对整个血管和细血管进行分割;再将所得到的两个预测图进行融合,对融合后的图像去除伪影和噪声,得到最终的血管分割图。由于单独对细血管进行了分割,因此所提方法可以更有效地分割出一些难以识别的视网膜血管边缘和低对比度区域的细血管像素。实验结果表明,所提方法在DRIVE、STARE和CHASE_DB1三个数据库上的灵敏度分别达到0.8062、0.8308和0.8135,在性能上比其他方法更优。     

光伏电站电力听诊系统降噪方法*

在光伏电站电力听诊系统中,为降低光伏电站采集声音的噪声,对光伏电站常见的各种噪声进行时频谱分析,基于各类噪声特点和经典的U型网络结构设计了降噪网络,为提升降噪效果,将能量信息加入到复数卷积网络中,同时融合基于Transformer的专家子系统进一步提升效果。最后,通过构建数据集和多组对比实验证明了所设计网络对常见混叠信号可以大幅提高声音信号的信噪比,最高可达6.14dB。另外,通过多组烧蚀实验证明了文章中所述各项优化点的有效性。     

基于邻域像素注意力机制的光场深度估计方法

通过发掘深度信息与子孔径图像邻域像素间的高度相关性,提出了一种基于邻域像素注意力机制的光场深度估计方法。首先根据光场图像的数据特性提出了一种邻域像素注意力机制,该注意力机制考虑了不同子孔径图像在同一邻域间的极几何关系,能够增强网络对遮挡像素的感知能力。其次基于注意力机制设计了一个光场子孔径图像序列特征提取模块,该模块通过三维卷积将相邻序列图像上的特征编码到特征图上,并通过注意力机制增强网络对光场图像极几何特征的学习能力。最后联合邻域像素注意力机制和特征提取模块设计了一个多分支的全卷积神经网络,该网络使用部分光场子孔径图像序列即可估计图像的深度特征。实验结果表明,所提方法在均方误差（MSE）和平均坏像素率（BP）指标上总体表现优于其他先进方法,同时得益于高效注意力机制的加入,与其他先进方法相比所提方法运行速度最快。     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.