排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对现有去噪算法可能造成超声图像细节模糊甚至丢失的问题,本文提出基于多尺度非线性扩散（multiscale nonlinear diffusion,MSND）的超声图像去噪模型.该模型结合冗余拉普拉斯塔形数据分解和非线性扩散的优点,利用冗余拉普拉斯塔形数据分解将图像分解为等大小的空间-频率子带,综合各子带的特征得到图像边缘和细节的精细表示,然后根据所得的综合特征指导各子带图像的非线性扩散.实验结果表明本文算法在去除噪声的同时能有效地保留和增强边界与细节. 相似文献
2.
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. 相似文献
1