基于张量投票法的超声波图像去噪

超声波因其所具有的良好指向性及对人体的无伤害性,在检测及医疗领域得到了广泛应用.然而,超声波图像所特有的相干涉斑点噪声成为影响超声波图像质量的主要因素.针对这一问题,提出了将张量投票法应用于超声波图像去噪的方法.利用张量投票法能够提取图像中点、线、面特征的特点,消除超声波图像中孤立点显著性,突出所提取的线、面特征,重新构建图像,从而达到去除斑点噪声的目的.试验结果表明,与其他空间域滤波方法相比,张量投票法在去除斑点噪声的同时,能够更有效保留边缘特征,提高超声波图像的质量.

张量投票法及其应用

张量投票法是一种提取图像特征的新方法,它利用张量鲁棒性强的特性,提取图像中点、线、面特征的特点,消除图像中孤立点显著性,突出所提取的线、面特征,重新构建图像,从而达到去除噪声、突出边缘的目的。通过实验证明,张量投票法在提取边缘及点特征方面有着显著的效果。

三角网格模型特征线的局部采样追踪算法

针对现有的特征轮廓提取算法依赖全局采样,效率不高,难以实现复杂模型的实时轮廓提取的问题,提出一种局部采样追踪算法.该算法利用多判别指标去识别特征,充分挖掘相对二面角、顶点缺角和法向投票张量的优点,提高特征识别的可信度;特征的追踪建立在初始特征边集合的基础上,依据三角面-三角面的邻接关系,在追踪过程中动态、自适应地检测各类特征,拓展特征边,实现局部采样覆盖全局特征的目标;最后从角点出发追踪弱特征轮廓曲线,保证轮廓的完整性.通过CAD和数字医学领域的应用实例对文中算法进行验证,结果表明,该算法是可行、高效的.