超声电视测井图像中异常点剔除算法

针对超声电视测井图像中经常会出现的异常点问题,提出了一种采用全变分的修复算法(TV算法)来剔除异常点。该方法先在选定的区域里根据阈值来确定要剔除的异常点,然后利用全变分的图像修复算法去修复这些异常点。实验结果证明,该方法能够很好地对异常点进行剔除,保证测井图像的完整性,明显地改善图像质量,对实际测井资料的处理具有很重要实际意义。

基于噪声检测的总变分去噪算法

对受高斯和脉冲混合噪声污染的数字图像去噪方法进行了研究,提出了一种基于噪声检测的自适应总变分(TV)去噪算法。提出的改进算法采用两步迭代框架实现:脉冲噪点检测和全变分图像恢复。第一步中,考虑到脉冲噪声污染的像素点不包含原图像有效信息,采用一种局部统计值,即邻域像素间的随机绝对差排序值(ROAD)估计出噪点的位置;第二步中,采用L2-TV方法进行去噪处理,并对上述过程进行迭代处理,得到去噪图像。在噪点估计过程中引入脉冲噪点水平参数,这样处理的优势在于可更准确地检测出脉冲噪点;而L2-TV去噪方法可很好地去除高斯噪声,两者结合有效地解决了TV算法存在误判图像脉冲噪声为边缘而产生假边缘的问题。与现有典型去噪方法的比较实验表明,该迭代去噪算法,即TV-ROAD算法,既能够去除混合噪声,又可以保留图像细节特征。