基于快速自适应非局部均值滤波的地震随机噪声压制方法

地震资料的质量对于地质解释起着至关重要的作用。实际地震数据通常会携带大量噪声,使地层模糊,断层构造不清晰。非局部均值滤波方法(NLM)可以有效地压制随机噪声,但其计算效率较低,因此在大型地震数据处理应用中具有局限性。本文给出了一种快速自适应NLM算法,该方法利用中心对称数据积分算法提高NLM方法的计算效率,并利用相似度标准差估计均匀性来自适应地调整滤波参数,进一步提高去噪效果。因此,改进后的非局部均值滤波方法可以有效地提高计算效率,同时可以增强噪声压制效果。最后,通过模型数据和实际数据验证了该方法的可行性、有效性。

自适应非局部均值滤波与小波相结合的脑部CT去噪研究

目的利用非局部均值滤波与小波相结合的算法,抑制脑部CT图像噪声,提高图像的质量。方法通过仿真实验确定不同噪声水平下的滤波系数,然后采用真实的含噪脑CT图像进行验证,并与传统非局部均值滤波进行比较。最后采用配对t检验,对该方法滤波前后的图像峰值信噪比进行统计学分析。结果该方法能够使含有白噪声的CT图像的峰值信噪比提高5~10 dB,高出传统非局部均值滤波后图像3~5 dB。滤波前后的图像峰值信噪比具有统计学差异(P<0.001)。结论结合小波的自适应非局部均值滤波可以对不同噪声水平的脑CT图像进行自适应处理,有效去除噪声,提高峰值信噪比,同时保留图像的细节及边缘,改善图像质量。

双重自适应非局部均值图像去噪算法

针对非局部均值算法对边缘去噪能力较差的缺陷,提出了一种新的自适应非局部均值去噪算法。一方面利用基于均方误差最小化准则的主动匹配,以确定两图像块之间的最佳匹配形状与尺寸,进而得到较为鲁棒的相似度估计。另一方面,利用局部Hessian矩阵特征值判断图像块类型,并据此进行滤波窗口尺寸的自适应调整。细致分析与仿真结果表明,新算法有效克服了原始非局部均值算法存在的边缘去噪能力较差的问题,综合去噪性能达到甚至超过了最新的自适应非局部均值算法。

自适应非局部数据保真项和双边总变分的图像去噪模型

针对常见去噪方法容易造成特定区域过度平滑、奇异结构残余噪声以及产生阶梯效应和对比度损失等问题,提出一种自适应非局部数据保真项和双边总变分的图像去噪模型,建立了自适应非局部正则化能量泛函和相应的变分框架。首先,对噪声图像利用自适应权值的非局部均值求得数据拟合项;其次,引入双边总变分正则化项,利用正则化系数来适度平衡数据拟合项和正则化项的影响;最后,通过能量函数最小化对不同的噪声统计快速求得最优解,从而达到降低残余噪声并纠正过度平滑的目的。通过理论分析和针对模拟噪声图像与真实噪声图像的实验结果表明,所提出的图像去噪模型能够较好地处理具有不同统计特性的图像噪声,与自适应非局部均值滤波去噪相比,所提算法的峰值信噪比(PSNR)值最多可以得到0.6 dB的改善;与全变分正则化图像去噪算法比较,所提算法的主观视觉效果明显更好,在去噪的同时图像纹理和边缘等细节信息保护得更好,PSNR值最多可以提高10 dB,而多尺度结构相似性度(MS-SSIM)指标可以提升0.3。因此,所提出的图像去噪模型可以在理论上更好地探讨如何合理处理噪声和图像内容本身的高频细节信息,在视频和图像分辨率提升等领域也具有良好的实际应用价值。

城市周边流域有机污染物不同分布特征提取

由于河流图像中常常存在光学噪音,且水污染分布呈现出复杂和多变的特征,使得特征获取难度较大。为此,提出一种城市周边流域河流有机污染物分布特征提取方法。采用自适应边缘相似度非局部均值(Adaptive Non-local Means Denoising with Edge Similarity, ANLM-ES)图像去噪方法,利用两个像素之间的高斯加权距离,获取复合图像块相似性权重函数,通过加权平均,经过计算确定中心像素,将图像去噪处理。分割城市周边流域河流图像,通过最小二乘法确定偏析线方向,采用拟合直线投影图像像素点,根据城市周边流域河流有机污染物分布特征,实现不同特征提取。通过仿真分析表明,所提方法去噪均方误差仅为0.025,可以获取良好的城市周边流域河流有机污染物分布特征提取结果。

Seismic random noise suppression using an adaptive nonlocal means algorithm

Nonlocal means filtering is a noise attenuation method based on redundancies in image information. It is also a nonlocal denoising method that uses the self-similarity of an image, assuming that the valid structures of the image have a certain degree of repeatability that the random noise lacks. In this paper, we use nonlocal means filtering in seismic random noise suppression. To overcome the problems caused by expensive computational costs and improper filter parameters, this paper proposes a block-wise implementation of the nonlocal means method with adaptive filter parameter estimation. Tests with synthetic data and real 2D post-stack seismic data demonstrate that the proposed algorithm better preserves valid seismic information and has a higher accuracy when compared with traditional seismic denoising methods （e.g., f-x deconvolution）, which is important for subsequent seismic processing and interpretation.

基于FCM的磁共振图像分割算法的改进

为准确分割脑磁共振图像以帮助医护工作者进行诊断,提出一种改进的模糊C均值聚类与自适应非局部均值相结合的分割算法。算法对MR图像进行自适应NLM降噪处理,估计噪声图像方差,根据估计的方差为MR图像自适应地选择最佳搜素窗口大小;结合邻域像素的局部空间信息,在隶属度函数中引入条件空间变量;使用改进的条件空间FCM算法对降噪后的图像进行分割。实验结果表明,该算法在高噪声下仍能保持较高的分割精度,相比于传统算法具有更高的技术价值和应用前景。