基于变分法的超声图像斑点噪声自适应滤波算法

各向异性扩散模型在去除超声图像斑点噪声时不能有效保护图像细节,针对上述问题本文提出基于变分法的自适应最小能量去噪模型.首先直接将由微分方程表示的各向异性扩散模型转化为最小能量变分模型;然后引入欧拉弹性能量模型,在去除噪声的同时有效地保护和增强图像细节.同时为了解决数值求解过程中出现的迭代次数与迭代步长的矛盾,本文还提出迭代停止准则和自适应变步长去噪算法.仿真和真实超声图像的实验结果表明基于变分法的超声图像斑点噪声自适应滤波算法在去噪的同时能够很好地保护细节信息,而且能有效地减少迭代次数.     

一种新的超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。现有的用于斑点噪声抑制的自适应滤波方法,小波软阈值方法及小波域内细节抛弃法在去除噪声的同时,不同程度地丢失了一些图像细节。针对这一问题。本文提出了一种新的结合自适应中值滤波和小波软阈值处理的超声图像斑点噪声抑制方法。对计算机仿真图像及超声图像进行处理的结果表明,本文提出的新方法在有效去除斑点噪声的同时,很好地保留了图像的细节,优于上述的其他方法。     

眼科高频超声成像中斑点噪声抑制算法的研究

目的 斑点噪声是超声图像中存在的固有问题,而在眼科高频超声这种更为精细的超声检查中,有效地抑制斑点噪声能提高图像的质量,有助于临床医生对病情的判别.方法 提出了一种新的基于拉普拉斯（Laplacian）金字塔的多尺度斑点去噪方法.采用Laplacian金字塔,从斑点噪声中分离出临床图像特征,根据每层子带图像不同尺度及特点,从小尺度到大尺度,首先采用改进后的八方向各向异性斑点去噪（SRAD）去除图像斑点,然后增强图像的边缘、细节及对比度等方面.该方法与传统的SRAD滤波及相干增强滤波（CEDIF）进行对比,采用等效视数及算法的时间耗费对实验结果进行量化评估.结果 与传统SRAD滤波及CEDIF滤波方法相比,基于Laplacian金字塔的多尺度各向异性斑点去噪方法均高于前两种方法（1.172 3 vs 1.122 3、0.929 3及0.864 0 vs 1.396 0、1.468 3）.结论 本研究提出的基于Laplacian金字塔的多尺度各向异性斑点去噪方法在更有效地去除图像斑点噪声的同时,能很好地保存图像边缘及图像细节等.     

基于多尺度分析的MR图像粗糙集增强算法

粗糙集理论是一种新的处理含糊和不确定问题的数学工具，本文在对MR图像多尺度边缘表示的基础上，引入粗糙集理论对图像作对比度增强处理，提出了一种基于多尺度分析的粗糙集图像增强算法。该方法具有良好的增强效果，并对噪声有一定的抑制作用。本文最后给出了具体实验结果。     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

基于血管内超声图像时空相关性的血流斑点去噪方法

血管内超声成像的优越成像方式使得它越来越广泛地被应用到冠心病的诊断和介入治疗中。但随着超声频率的提高，血流分子回波信号（即血流斑点噪声）也显著增强，这会降低管腔和管壁的对比度，加大医生辨别、测量管腔和斑块几何参数及物理参数的难度。我们提出了一种新颖的去噪方法，它利用血管内超声图像在时间、空间上的相关信息，即组织在时间、空间上的变化比血流小这一事实。实验结果表明该方法能显著地去除斑点噪声，增强管腔和管壁的对比度，更好地帮助医生区别血管壁和周围组织。     

基于小波变换的血管内超声图像血流斑点噪声抑制研究

血管内超声成像已经越来越广泛地应用到冠心病的诊断和介入治疗中.为了提高图像分辨率必须增加超声频率,使得血流斑点噪声也显著增强,降低了管腔和管壁的对比度,增加了识别管壁与周围组织的难度,给病情的诊断和治疗带来了不便.本研究结合小波变换域软阈值滤波法和半软阈值滤波法,并设计了一种局部阈值来实现血流斑点噪声抑制.实验结果表明该方法在抑制斑点噪声的同时保留了图像的边缘,增强了管腔和管壁的哪对比度,有助于识别管壁和周围组织.     

基于多尺度特征增强的小样本计数

目标物体计数是计算机视觉领域的重要研究方向。针对小样本计数中存在的样本与查询图像目标物体尺寸不一致、目标物体分布不均匀的问题,该文提出了多尺度特征增强计数算法。首先,基于特征金字塔构建自上而下的特征融合网络。在各级尺度上对查询图像中和样本相似度较高的区域进行样本特征增强,随后送入上一级特征匹配。然后,将各级增强后的查询特征送入回归器中,得到各级密度图。最后,求和,生成高质量的密度图。该文在FSC-147和CARPK数据集上进行测试。实验结果表明,该文所提模型的性能优于大多数其他方法,有效改善了目标物体大小变化造成的计数精度低的问题。     

一种基于多尺度分析的CT图像边缘检测方法

为了准确提取CT图像中解剖组织几何形态特征,提出了一种基于多尺度分析的CT图像边缘检测方法。本文应用多尺度分析中含有尺度因子的平滑函数的负导数作为小波,对CT图像实施小波变换,并检测小波变换的模局部极大值,完成基于模局部极大值的解剖组织轮廓特征表达。本文还讨论了一种模局部极大值点的简单筛选方法,针对CT图像噪声较大的特点,以模局部极大值的均方根乘以一个与尺度有关的因子作为模局部极大值的阈值,在不同尺度上获得了清晰的边缘信息。阈值处理后的模局部极大值图表明,不同尺度下的边缘检测能给出大小不同的物体的边缘信息。本方法能在有效抑制噪声的基础上,准确提取感兴趣解剖组织的几何轮廓特征。     

基于非线性反锐化掩膜的DR图像边缘增强

目的:对数字化X线摄影图像(DR)进行边缘增强处理能为临床医生提供更丰富的诊断信息,对帮助临床医生诊断疾病,特别是发现早期病灶具有重要的意义。为此,本文提出了一种基于非线性反锐化掩膜的DR图像边缘增强算法。方法:首先,应用S型曲线调整图像的对比度和亮度,扩展图像的有用信息,提高图像对比度,以突出感兴趣区域;然后,使用非线形反锐化掩模进行边缘增强,根据图像的灰度特性来调节具有增强作用的加权因数,可非线性地增强影像的边缘细节。结论:本文利用非线形反锐化掩模对DR图像进行了边缘增强,突出了图像的边缘细节,为临床诊断提供了实用的边缘增强效果。     

多尺度塔型医学图像增强算法

在基于影像的医学诊断中，为了从图像中挖掘出尽可能多的决策信息，首先需要研究高效的图像增强算法。在分析人眼视觉特性和比较诸多图像增强方法的基础上，本研究选择并改进了一种多尺度塔型图像增强快速算法。以CR和DR临床图像增强为例，实验结果证明了该方法可以较好的满足人眼视觉主观要求，增强效果优于传统单一尺度方法。与小波多尺度图像增强相比，效果相当，但运算时间大为降低，具有良好的实际应用价值。     

基于Contourlet变换和非线性扩散的IVUS图像去噪

血管内超声(IVUS)图像的分割对于动脉粥样硬化疾病的研究和介入治疗具有重要的意义,但由于其自身存在斑点噪声,从而严重影响图像自动分割的准确性和速度.提出一种基于Contourlet变换和非线性扩散的斑点去除算法(CTND);利用自适应的对比度因子,在Contourlet域直接对IVUS图像各方向子带进行非线性扩散滤波,而不需要同态处理.实验结果表明,这种算法在保持IVUS图像强、弱边缘的同时,能有效地去除斑点噪声,并为图像外膜的提取奠定良好的基础.     

基于各向异性散布的医学图像非线性滤波法

为了向临床医生提供清晰准确的诊断依据 ,在对医学断层图像 (CT、MRI)进行滤波处理时 ,须保留具有重要诊断意义的微细结构。然而 ,绝大多数滤波技术在去噪的同时却滤出了细小结构。本文介绍了一个改进的非线性各向异性散布滤波算法 ,图像滤波被认为是一种散布迭代过程 ,通过自动确定最优散布常数和迭代次数 ,散布过程在遇到边界时就会被抑制或停下来 ,从而保留了边缘信息和微小结构。通过对实际医学图像(CT、MRI)的实验表明 ,本文算法既能提高信噪比又可保留重要的解剖结构     

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。     

基于多尺度理论改进的分水岭医学图像分割算法

本文针对医学数字图像数据量大和噪声情况复杂的特点，结合多尺度分析理论，通过多小波图像分解、能量计算、分水岭变换和区域融合等步骤，克服了分水岭变换严重的过分割问题，实现了有意义的区域分割。     

基于模糊最大熵的医学X增强方射线图像边缘法研究

目的：由于医学X射线图像在数字化成像过程中容易受到成像设备中射线散射、电器噪声以及人体组织结构的复杂性等因素的影响,导致数字医学x射线图像的质量不高。因此,针对数字医学X射线图像对比度较差,目标细节信息不明显的特点,研究了一种基于模糊最大熵的图像边缘增强算法。方法：首先将医学X射线图像从灰阶域变换到模糊域。然后通过最大熵准则确定模糊阈值将医学X射线图像分为目标和背景两部分．并分别对其进行图像增强处理．最后再映射回到灰阶域。结果：本文以主动脉造影X射线图像为例,对其分别进行经典模糊边缘增强、反锐化边缘增强和模糊最大熵边缘增强处理,并对处理后图像的相关参数进行定量分析。结论：结果表明基于模糊最大熵算法处理后的图像质量高．边缘细节信息明显增强,且该算法相比其它两种算法具有更好的抗噪性。     

基于小波分析的MRI图像对比度增强

针对MRI影像经常出现的正常组织和病态组织之间对比度不清的问题,文中采取基于小波变换的非线性的图像增强算法.实验结果表明,此增强方法能够在增强图像微小细节的同时避免噪声过增大,使结果图像具有很好的视觉效果.因此本文方法有效而实用.     

一种基于模糊均差和小波变换的医学图像去噪方法

小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用。针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法。在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪。试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节。