为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSC...为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。展开更多
文摘为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。
文摘复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰,提高目标检测精度,利用非下采样轮廓波变换(NSCT,non-subsampled contourlet transform)的多尺度分解及多方向分解特性以及图像矩阵奇异值分解(SVD,singular value decomposition)不同奇异值代表图像不同能量信息的特点,提出了联合NSCT和SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解,得到与原始图像同样大小的不同尺度和不同方向上的子带图像,然后,利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波,最后对调整后各子带系数组成的矩阵施加NSCT逆变换,最终获得抑制背景处理后的图像。对比实验表明,该方法能够在低信噪比环境下有效抑制复杂背景及边缘,突显目标,降低虚警率。