基于变指数各向异性扩散和非局部的最大似然期望最大低剂量CT重建算法

针对低剂量计算机断层扫描(CT)重建图像发生严重衰退的问题,提出一种基于变指数和非局部的最大似然期望最大(MLEM)低剂量CT重建算法。该算法考虑了传统各向异性扩散中降噪不充分的缺点,把可以有效折中热传导和各向异性扩散(P-M)这两种模型的变指数,以及代替梯度检测边缘和细节的相似度函数运用到传统各向异性扩散中,从而达到所期望的效果。该算法在每次迭代中首先采用基本的MLEM算法对低剂量CT投影数据进行重建; 然后利用基于非局部的相似性测度以及变指数和模糊数学的理论对各向异性扩散的扩散函数进行改进,用改进后的各向异性扩散对重建图像进行降噪;最后使用中值滤波对图像进行处理从而消除脉冲噪声点。实验结果表明,所提出算法的均方绝对误差、归一化均方距离均比有序子集惩罚最小二乘(OS-PLS)、有序子集惩罚最大似然一步迟疑(OS-PML-OSL)、基于传统P-M、基于方差的算法小,获得了高达10.52的信噪比。该算法重建出的图像可以在有效消除噪声的同时较好地保持图像的边缘和细节信息。     

改进的基于各向异性扩散的B超图像降噪方法

散斑噪声是超声成像机制引起的固有形态,它对超声图像质量以及医学诊断的准确性有很大的影响;针对传统Perona-Malik(PM)各向异性扩散模型通过四方向扩散无法提供充分的信息且处理效果不明显的问题,提出八方向选择式扩散模型;针对传统算法对强噪声则失效、扩散门限参数K依据经验选取的不足以及迭代终止条件不明确,提出改进的扩散系数计算方法,应用自适应选取的扩散门限参数K,且提出适合改进算法适用的迭代终止准则;经过多组仿真实验,证明文章算法较传统模型可以更好的控制扩散过程,并且提高了算法鲁棒性和效率,综合峰值信噪比(PSNR)、边缘保持度(FOM)等指标,表明该算法相比同类算法有更好的降噪和边缘保持效果.     

基于变指数的片相似性扩散图像降噪算法

针对图像去噪过程中存在边缘保持与噪声抑制之间的矛盾,提出了一种基于变指数的片相似性扩散图像降噪算法。算法基于变指数的自适应降噪模型,引入片相似性的思想,构造出新的边缘检测算子和扩散系数函数。传统的各项异性扩散图像降噪算法利用单个像素点的灰度相似性（或梯度信息）检测边缘,不能很好地保持图像的弱边缘和纹理信息。而所提算法利用邻域像素的灰度相似性,可以在滤除图像噪声的同时,保持更多的细节信息。仿真结果表明,与其他传统的基于偏微分方程（PDE）的图像降噪算法相比,该算法将信噪比（SNR）和峰值信噪比（PSNR）提高至16.602480dB和31.284672dB,具有良好的抗噪性;同时视觉效果较好,保持了更多的弱边缘和纹理等细节特征,在噪声抑制与边缘保持之间取得了较好的权衡。     

基于Mallat-Zhong离散小波变换小波的超声图像各向异性扩散抑噪方法

针对传统各向异性扩散方法在超声图像散斑噪声抑制中存在的噪声抑制不充分与边缘特征保持不足的问题,提出一种基于Mallat-Zhong离散小波变换(MZ-DWT)小波的散斑噪声抑制方法。该方法将MZ-DWT小波分析与期望值最大化(EM)算法作为图像中均匀区域与边缘区域的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速度,从而达到充分抑制噪声和保护边缘的目的。实验结果表明,所提方法在有效抑制散斑噪声的同时,更好地保持了图像细节信息,其性能优于传统各向异性扩散方法。     

基于图像局部几何结构的SAR图像降噪与增强*

研究了基于图像局部几何结构对SAR图像进行各向异性扩散滤波降噪。首先,回顾各向异性扩散滤波的PM模型、Weickert模型和Tschumperle的迹模型,分析指出迹模型能够依据图像局部几何结构进行定向扩散滤波且扩散程度由扩散率函数决定,扩散过程可控,意义直观;继而,根据扩散系数的构建原则,构建了新的兼容图像增强、扩散幅度可调整的扩散率函数,并用于SAR图像降噪。实验结果表明,运用此函数不仅有效抑制了相干斑噪声,还保持并增强了边缘细节,取得了理想的效果。     

一种高阶各向异性扩散小波收缩图像降噪算法

图像可以看作是一个曲面,描述曲面上某点相对于球面的弯曲程度可以用高斯曲率.提出用高斯曲率来定义在图像上的能量泛函,并得到相应的欧拉方程,利用梯度下降法推出基于高斯曲率的高阶各向异性扩散方程.进而根据小波收缩与各向异性扩散等价性框架,提出一种高阶各向异性扩散小波收缩图像降噪算法.实验表明,此算法在去除噪声的同时能够很好地保持高频特征和边缘形状.     

基于改进各向异性扩散的超声医学图像滤波方法

为了能有效地去除超声医学图像中的噪声,又能较好地保持图像的边缘和重要细节信息,在η-ξ正交坐标系下研究并分析了各向异性扩散模型(P-M模型)的扩散滤波机制,并在此坐标系下建立了一种新的各向异性扩散滤波方案。实验结果表明,改进的扩散模型不仅能够有效地保持图像边缘,而且还能够克服P-M模型对小尺寸噪声的敏感问题。     

基于改进的各向异性扩散方程的医学超声图像降噪方法

提出了一种基于各向异性扩散方程的改进方法.通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域.仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法.     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

基于小波和四阶各向异性扩散的MLEM低剂量CT重建算法

在低剂量计算机断层扫描CT(computed tomography)重建算法中,传统的最大似然期望最大MLEM(Maximum Likelihood Expectation Maximization)算法随着迭代次数的增加会出现棋盘效应而不能有效地抑制噪声。针对上述问题提出一种基于小波收缩和四阶各向异性扩散相结合的MLEM低剂量CT重建算法。该算法结合小波收缩和各向异性扩散的优点,在每次迭代中,对MLEM重建算法处理后的图像进行离散平稳小波分解,在小波域的高频部分进行小波收缩,低频部分使用降噪效果优质的四阶各向异性扩散进行消噪,最后残留的脉冲噪声点通过中值滤波器进行处理,从而进一步优化图像。仿真实验结果表明,该算法可以有效地去除低剂量CT图像的噪声,且在保持图像边缘和细节信息方面有很好的表现,从而获得高抗噪性能的图像。     

小波域上图像非线性扩散滤波

提出一个小波域上图像扩散滤波恢复新模型。主要思想是把原图像作为最精细尺度下的小波子带，根据噪声分布的特点，导出保护较大尺度下信息的泛函模型代替小波阈值除噪，对泛函求变分得：Euler-Lagrange方程。新的滤波方法能避免小波阈值除噪的伪Gibbs现象，改进了同类型非线性扩散方程滤波的效果。利用可加算子分裂(AOS)格式求非线性扩散方程的数值解。实例的数值计算说明对图像滤波和保护边缘的有效性。     

改进的二阶总广义变分图像去噪算法

为了有效地去除含噪图像中的噪声,克服总变分（TV）去噪易于导致阶梯效应的缺陷,提出了一种改进的二阶总广义变分（TGV）的图像去噪方法。介绍了二阶TGV的理论基础,在二阶TGV中引入了各向异性扩散张量,利用张量函数引导扩散,获得了新的去噪模型,最后提出了一种扩展了的原始-对偶算法对新模型进行数值求解。新模型充分结合了二阶TGV作为正则项自动平衡了一阶和二阶导数项,以及张量函数的各向异性扩散,有效突出边缘结构的特性。实验结果表明,该方法在有效地去除含噪图像中噪声的同时,避免了阶梯效应,增强了对原始图像中边缘结构的保持。     

基于剪切波和改进P-M扩散的图像去噪

针对多尺度几何分析方法去噪时产生的伪Gibbs效应和各向异性扩散模型产生的阶梯效应,提出一种基于剪切波的改进各向异性扩散图像去噪方法。首先对噪声图像进行剪切波变换得到不同尺度的系数矩阵,然后利用改进的各向异性扩散方程对变换后的系数进行处理,实现建立在对图像精细分析基础上的各向异性扩散模型。实验结果表明,该方法能较好地抑制噪声和保持边缘,同时有效地抑制伪Gibbs效应,取得良好的视觉效果。     

基于边缘扩散的医学图像非线性去噪算法*

在对医学图像去噪的同时保留边缘信息,对于后期的诊断具有重要的意义。分析了ＰＭ和Ｃａｔｔｅ算法 以及它们的不足,提出了一种基于边缘扩散的非线性去噪方法,通过边缘检测把图像分为边缘和非边缘两部分, 非边缘区域通过各向同性算法去噪;边缘区域通过各向异性算法去噪,改进扩散形式,只沿边缘方向扩散去噪。 实验表明方法非常有效,带噪声的医学图像经过改进后的算法去噪处理,图像质量得到明显的改善。     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。     

Improved Geometric Anisotropic Diffusion Filter for Radiography Image Enhancement

In radiography imaging, contrast, sharpness and noise there are three fundamental factors that determine the image quality. Removing noise while preserving and sharpening image contours is a complicated task particularly for images with low contrast like radiography. This paper proposes a new anisotropic diffusion method for radiography image enhancement. The proposed method is based on the integration of geometric parameters derived from the local pixel intensity distribution in a nonlinear diffusion formulation that can concurrently perform the smoothing and the sharpening operations. The main novelty of the proposed anisotropic diffusion model is the ability to combine in one process noise reduction, edge preserving and sharpening. Experimental results using both synthetic and real welding radiography images prove the efficiency of the proposed method in comparison with other anisotropic diffusion methods.     

P2M扩散与相干增强扩散相结合的抑制噪声方法

该文讨论保边缘的去噪问题。针对P2M扩散不能有效保持线状特征,相干增强扩散易出现虚假条纹的缺点,提出了一种P2M扩散与相干增强扩散相结合的去噪方法。首先,建立了一个P2M扩散与相干增强扩散的加权组合模型。该模型在图像边缘部分侧重于相干增强扩散,其余部分则侧重于P2M扩散。然后,针对模型中存在的参数选取问题进行了分析。从公式推导出发,得到了在边缘点百分比给定的条件下,P2M扩散参数的自适应取值方法,并从应用的角度出发,得到了相干增强扩散参数的经验取值。仿真计算结果表明,与一些常用的去噪方法相比,该方法既能有效地抑制图像噪声,又能较好地保持边缘等线状特征,同时具有较高的峰值信噪比。