基于三维加权和双域滤波的螺旋CT伪影校正

螺旋CT重建会受到锥束伪影和风车伪影的影响,锥束伪影是由于锥角和螺距过大而导致的,而风车伪影由纵向方向采样不足引起,为了降低锥束伪影与风车伪影对CT图像的影响,提出一种螺旋CT伪影校正算法;首先采用三维加权螺旋FDK算法进行重建,有效去除重建图像中的锥束伪影,然后采用改进的双域滤波算法对含风车伪影图像进行校正;三维加权螺旋FDK算法通过对大锥角的射线给予不利权重来抑制锥束伪影,改进的双域滤波算法可以在去除风车伪影的同时保留更多的细节;计算机仿真实验结果表明,该算法能有效地抑制重建图像中的锥束伪影和风车伪影,提高CT图像的质量。

基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。

基于双侧滤波与短时傅里叶变换的改进双域滤波

与单域图像去噪方式不同,双域图像去噪方式将工作于不同域的两种去噪算法有效结合到一起,能在保持图像细节的同时抑制图像噪声。但是双域图像去噪需已知图像噪声方差,在实践应用中很难精确确定。为此针对图像含有的非平稳噪声,基于双侧滤波与短时傅里叶变换(short-time Fourier transform,STFT)的双域滤波方法,开展三方面工作:(1)用含噪图像与双域滤波去噪图像间的差异图像估计噪声图像;(2)基于双侧滤波权系数估计非平稳噪声方差;(3)改进双域滤波,使之适应非平稳噪声情况。实验结果及相关定量分析表明,与相应的双域滤波相比改进算法可以更有效地保护图像细节并抑制图像噪声。

双域滤波三元组度量学习的行人再识别

在图像的捕获、传输或者处理过程中都有可能产生噪声,当图像被大量噪声影响时,许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征,表现出较差的鲁棒性。该文主要针对低质图像的行人再识别问题,提出双域滤波分解构建3元组,用于训练度量学习模型。所提方法主要分为两个部分,首先分析了监控视频中不同图像噪声的分布特性,通过双域滤波进行图像增强。然后基于双域滤波分解对图像噪声具有很好的分离作用,该文提出一种新的3元组构建方式。在训练阶段,将双域滤波生成的低频原始图像和高频噪声图像,与原图一起作为输入3元组,网络可以进一步抑制噪声分量。同时优化了损失函数,将3元组损失和对比损失组合使用。最后利用re-ranking扩充排序表,提高识别的准确率。在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3%和21.7%,平均准确率均值(mAP)为66.9%和20.5%。加噪前后的Rank-1精度损失只有1.9%和7.8%,表明该文模型在含噪情况表现出较强的鲁棒性。

能量分布识别相位畸变的自适应双域滤波方法

在基于能量分布识别相位畸变方法中,条纹图像的质量是影响畸变识别精度的主要因素之一。为了准确辨别条纹相位畸变,需对条纹图像进行滤波处理,滤除图像中的噪声以及背景信息等。提出了一种基于能量分布的自适应图像滤波方法,通过傅里叶变换将图像转换为能量分布图,根据畸变与未畸变图像能量弥散度差值大小对小波滤波的阈值进行调整,旨在寻求能量弥散度差值最大的阈值作为针对当前图像的滤波方法可接受阈值。通过对单空域、单频域以及双域滤波方法进行实验验证,结果表明单一使用空域或频域滤波处理,畸变图像与未畸变图像能量分布差别在1.4%~3.2%,使用非自适应双域滤波方法进行滤波处理,能量分布差别在7%以上,而采用自适应双域滤波方法进行滤波处理,能量分布差别超过8%。自适应双域滤波方法显著提高了能量的识别精度。

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR图像去噪算法。该算法将引导滤波边缘保持后的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间;然后通过改进算法权重,结合原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本文算法能有效去除医学MR图像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构相似度;且相比经典双域滤波算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法,可减少1/2。

基于双域滤波算法的OCT图像去噪

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一,具有巨大的发展潜力。OCT图像中含有大量的散斑噪声,会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法,依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象,引入各向异性扩散获得引导图像,代替了算法中的自身引导,减少了迭代次数。结果显示,所提方法提高了算法效率与图像质量,算法运行时间大幅度下降,图像峰值信噪比(PSNR)提高到36dB,结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右,有效抑制了OCT图像中的散斑噪声。

基于双域分解的复杂环境下奶牛监测图像增强算法

针对天气变化及光照不足导致的奶牛监测图像降质问题,提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪,将输入图像分解为低频图像和高频图像;其次根据贝叶斯估计得到不同高频图像的小波阈值,利用改进的Garrote阈值函数进行小波去噪,并结合伽马变换对去噪的高频图像进行矫正,实现对高频图像的滤波和对比度调整;再次通过暗通道先验对低频图像进行去雾,并结合对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对去雾后整体偏暗的低频图像进行增强,进一步提高图像的对比度和整体亮度;最后将处理后的高频图像和低频图像进行重构,得到最终的增强图像。以不同时段光照、复杂气象条件下实地拍摄的奶牛场监测图像为样本,采用主观视觉和客观评价将该算法与现有算法进行试验对比。结果表明,该算法能够对复杂光照下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等,相比于HE算法、Retinex算法、CLAHE算法、自适应Retinex算法,标准差分别平均提高1.9295、4.6812、3.2450、0.5330,峰值信噪比平均分别提高0.5260、-13.7775、-0.4690、1.1975,信息熵值平均提高0.1555、0.5397、0.0297、0.5905,结构相似性平均提高0.0052、-0.0827、0.0588、0.0463,可实现不同时段和复杂气象条件下的奶牛监测图像增强,为基于机器视觉的奶牛行为自动识别奠定良好的基础。

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。

基于SAID消噪算法的路面标识识别

路面标识图像的消噪是智能网联汽车技术的重要内容。由于双域滤波受到梯度因子影响会导致消噪效果不佳,结构细节难以体现,根据Hessian矩阵特征值的组合特性,运用了一种空间自适应梯度因子,可得到一种空间双域消噪算法。实验结果表明该方法相比现有PID方法不仅能够有效地消除路面指示方向图像中的噪声,而且能够保留更多的结构细节,为路面标识图像的处理提供了算法素材。