基于改进生成对抗网络的低剂量CT去噪算法

针对低剂量计算机断层扫描(computerized tomography,CT)在图像采集过程中引入较多噪声,造成图像质量严重下降的问题, 提出一种基于残差注意力机制与复合感知损失的低剂量CT去噪算法。在该算法中,利用生 成对抗网络完成对低剂量CT图像的去噪,在网络框架中引入多尺度特征提取及残差注意力 模块,以融合图像中不同尺度的信息,提高网络对噪声特征的区分能力,避免在去噪过程中 丢失图像细节信息。同时采用复合感知损失函数,以加快网络收敛速度,促使去噪图像在感 知上与原图像更接近。实验结果表明:与现有的算法相比,所提算法能够有效抑制低剂量 CT图像中的噪声,并恢复更多的纹理细节;对比低剂量CT图像,所提算法处理后的CT 图像峰值信噪比(peak signal-to-noise ratio,PSNR) 值提高了31.72%, 结构相似性(structural similarity,SSIM)值提高了13.15%,可以满足更高的医学影像诊断要求 。     

基于EM算法的低剂量CT图像去噪

提高低剂量CT图像的信噪比是使其获得有效临床应用的关键.文中针对低剂量CT投影数据极低信噪比特性以及投影数据噪声所特有的非平稳高斯特性,提出采用EM(Expectation-Maximization)算法通过求解图像后验概率的条件期望值最大的方法达到图像复原目的,同时在算法中实现了图像模型参数的估计,并且引入Gibbs采样技术,很好的解决了算法计算问题.计算机仿真及真实投影数据的实验表明,本文算法无论从复原图像的可视化效果上还是从噪声-分辨率关系的定量分析上,都具有一定优势.     

基于改进U-Net的低剂量CT图像重建方法

针对低剂量CT图像重建会产生噪声和伪影的问题,在U-Net神经网络基础上引入残差学习和空间注意力机制,在编解码过程中嵌入跳跃连接为上采样增加多尺度信息,使用AAPM公开数据集CT影像进行模型训练和测试。选取峰值信噪比（PSNR）、结构相似性（SSIM）和均方根误差（RMSE）作为图像性能评价指标。在CT重建结果的测试中,与未处理的图像相比,网络模型处理后图像的PSNR、SSIM和RMSE指标平均值分别提升21.699%、2.263%和40.833%。实验结果表明,改进的U-Net神经网络模型能够减少噪声和伪影,保留了更多的纹理细节,对低剂量CT重建图像质量的提高有一定效果。     

基于小波阈值的断层扫描图像去噪细化处理

针对计算机断层扫描图像(CT图像)在成像过程中出现高斯白噪声的现状,提出了一种改进的小波阀值萎缩去噪方法,具有良好的时频局部化能力和多分辨率分析能力,能够克服传统小波阀值去噪时引起重构信号在奇异点领域产生人为震荡,为医学诊断提供的细节更为丰富、边缘信息更加完善、视觉效果更好的图像.     

基于模糊熵的低剂量 CT 投影降噪算法研究

低剂量CT(Computed Tomography)因其大大降低了辐射剂量而广泛用于现代医疗中.然而,随着辐射剂量的减少,扫描过程中投影数据受到随机噪声的污染,导致重建图像中存在明显的条形伪影.为解决上述问题,该文提出一种基于局部模糊熵的自适应恢复算法.该算法在基于统计信息的各向异性滤波器的基础上,利用局部模糊熵来判断边缘和平滑区域.新的扩散模型能有效地控制扩散程度,大大提高了扩散速度,达到快速恢复投影数据的目的.仿真实验和实际数据试验结果表明,基于局部模糊熵的自适应恢复方法能够得到高信噪比的重建图像,且与传统算法相比,缩短了对投影数据的处理时间,从而减轻了辐射对患者的危害.     

基于改进YOLOv5针对舰船识别的算法研究

由于舰船在海面上距离岸边较远时,合成孔径雷达(synthetic aperture radar,SAR)所进行的图像会比较小,对船舰测量也较为困难,会产生漏检的情形。为了进一步提高测量准确度,提供了一个可以改进YOLOv5识别SAR舰船图像的新测量方法。方案介绍了注意力机制模型和改进非极大值抑制模式,并使用了自己的目标数据集中进行了训练试验,在对船舰标记时,使原正矩形框变成了平行四边形,对标记的精度更加准确。在进行了海面目标的集中训练后进行了测试,结论 :与原YOLOv5模型比较,改进的YOLOv5模型的准确率、召回成功率、平均准确率分别增加了2.3%、4.8%、2.5%,提升了船舶检测和识别的整体效果,证实了改进YOLOv5算法检测的可行性。     

基于稀疏表示的红外图像去噪算法研究

红外图像具有动态范围窄、对比度低、易受噪声污染等缺点,传统红外图像去噪算法在去除噪声的同时也滤掉了图像细节。提出了一种基于稀疏表示的红外图像去噪新方法。该方法首先将原始红外图像进行聚类分析,再将每一聚类子图像分解成字典,由稀疏系数矩阵重构去噪后的红外图像。实验结果表明,该方法相比于传统红外图像去噪算法,能更好地保留图像的细节信息,视觉效果比较理想。     

各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

基于自监督学习的热红外图像景深估计方法

从热红外图像对比度低、细节信息不足等特点出发,提出了一种面向热红外图像的景深估计方法。首先,设计了一种红外特征聚合模块,提高了对目标物边缘和小目标的全方位深度信息获取能力;其次,在特征融合模块中引入了通道注意力机制,进一步融合通道间的交互信息;在此基础上,建立了一种深度估计网络,实现热红外图像的像素级景深估计。消融实验与对比实验的结果表明,该方法在热红外图像像素级景深估计中性能优于其他代表性方法。     

低剂量CT投影图像噪声分析及去噪算法研究

提高低剂量CT图像的信噪比(SNR)是使低剂量CT获得有效临床应用的关键。本文对低剂量CT投影数据噪声研究发现,在投影图像的某些区域中可能会存在一些孤立的噪声点,滤除这些孤立点后的投影数据近似服从非平稳高斯噪声分布。由此,提出一种低剂量CT图像降噪算法,包括"孤立点"检测与滤波(IDE),基于最大后验概率(MAP)的高斯噪声滤波及FBP重建过程。计算机仿真以及真实数据实验表明,本文提出的去噪算法获得的重建CT图像,SNR及视觉效果均有明显的提高。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

基于非抽样复轮廓波变换的图像去噪算法研究

将二维双树复小波变换(DT-CWT)与非抽样方向滤波器组(NSDFB)相结合,构造一种新的非抽样复轮廓波变换(NSCCT),并对其平移不变性作了相应证明。同时利用对称的正态逆高斯(NIG)分布先验概率模型和贝叶斯最小均方算法,提出一种基于NSCCT的图像去噪算法。实验结果表明,本文构造的NSCCT能够有效地抑制伪Gibbs现象,并且具有更丰富的方向分量,因而在图像的细节和纹理表现方面有一定的优势。     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

基于双注意力机制的雾天图像清晰化算法研究

针对传统去雾算法容易依赖先验知识以及恢复出来的清晰图像会产生颜色失真等问题,本文提出一种基于双注意力机制的雾天图像清晰化算法。首先将雾图输入编码器,经过下采样后得到特征图像;特征提取模块将多个特征提取基本块联结在一起,每个基本块由局部残差学习和特征注意模块组成,提高图像质量以及图像特征信息的利用率,增加网络训练的稳定性;然后通过通道注意力与多尺度空间注意力并行的结构处理特征图像,使得网络更加关注细节特征,提取更多关键信息,同时提高网络效率;最后将融合后的特征图像输入解码器中,经过多级映射,得到与输入大小匹配的雾密度图。实验结果表明,不论是对合成雾天图像或者真实雾天图像,本文算法能够高效地进行去雾处理,得到更自然的清晰图像。     

基于改进CenterNet的椎间盘图像检测算法研究

针对椎间盘图像灰度值较高及成像图具有不均匀性 导致的空间信息难捕捉、特征缺乏语义信息等问题,以磁共振腰椎T2矢状位的椎间盘识别为 目标,本文提出一种基于改进CenterNet模型的椎间盘检 测算法TCA_CenterNet (top coordinate attention CenterNet),首先在主干特征提取网络顶层(Top)加入坐标注意力机制(coordinat e attention,CA), 加强网络对椎间盘的关注度,增强模型对目标位置的敏感性;其次采用深浅层特征融合,增 强CenterNet 提取有效特征的能力,并通过数据增强提高模型的泛化性能。实验结果表明,模型最终的平 均精度均值 (mean average precision,mAP)达到81.15%,平均帧率为1 4.2 frame/s,与其他对比算法相比,该改进算法具有更好的准确性与鲁棒性 。     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

低剂量CT图像降噪的深度图像先验的目标偏移加速算法

低剂量CT(LDCT)图像可大幅降低X射线辐射剂量,但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像,以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果,导致该方法运行速度过慢。因此,该文提出一种用于LDCT降噪的目标偏移DIP加速算法,旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性,该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来,在上一切片对应的网络参数的基础上更新当前切片对应的网络参数,并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础;由于DIP网络的输入是固定的随机张量,与目标图像差距较大,该文利用传统降噪模型预处理后的LDCT图像作为网络输入,进一步提高网络迭代速度。实验表明,不使用传统模型预处理时,与原DIP网络运行速度相比,该文所提出的加速算法可以将迭代速度提高10.45%;当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时,图像峰值信噪比不仅可以达到29.13,而且总迭代速度可以提高94.31%。综上所述,该文算法可在保持DIP降噪效果的基础上,大幅度提高运行速度,特别是RTV模型预处理后的CT图像作为网络输入时,对提高运行速度的效果更加明显。     

改进的BiShrink与DTCWT相结合的遥感图像去噪

基于双树复数小波变换(DTCWT)良好的平移不变性和多方向选择性,以及尺度内DTC-WT系数的领域相关性,提出了一种bivariate shrinkage(BiShrink)的改进算法,对遥感图像进行去噪处理。实验结果表明,经本文算法降噪后,图像的峰值信噪比(PSNR)得到显著提高,较好地保持图像的边缘和细节信息,并抑制混淆现象。     

基于统计特性的非局部均值去噪算法

针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点,提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数,再由概率分布函数确定权值大小,从而有效地减小高斯噪声对加权系数的影响,以提高去噪性能。实验中,从主客观方面与传统非局部均值滤波进行对比分析,实验数据表明本文提出的算法峰值信噪比提高约1dB,去除噪声的同时保留更多图像的细节信息,去噪性能更优。