基于Laplace-Impact混合模型的DR图像去噪算法

提出一种双树复小波域中基于Laplace-Impact混合模型的DR图像去噪算法。该法利用局部方差建立的拉普拉斯-冲击模型的概率密度函数来逼近高频子带的系数分布。由于高频子带系数局部高度相关,所以在Laplace-Impact混合模型的框架下,采用最小均方误差估计可以很好消除DR图像噪声。实验结果表明,本文提出的算法与BLS-GSM模型和Laplace模型等经典去噪算法相比,对DR图像中的高斯噪声有更好的去噪效果。

基于RCSCT变换的DR图像去噪及加速

目的数字化X线摄影(digital radiography,DR)图像中的高斯噪声对图像质量影响大,消除此类噪声有利于提高图像质量以辅助医生做出正确的诊断。方法为抑制DR图像的高斯噪声,首先采用递归循环平移与Contourlet变换结合的(recursive cycle spinning Contourlet transform,RCSCT)方法变换分解DR图像,接着采用连续的二元软阈值函数处理变换系数防止系数被过度扼杀,然后基于CUDA(compute unified device architecture,计算统一设备架构)平台对去噪方法加速。结果该方法提高了去噪后的图像峰值信噪比,有效抑制了伪吉布斯现象,保留了更多的图像细节信息,并且加速处理后运算耗时较短。结论本文方法比小波变换和Contourlet变换在保留视觉细节信息方面效果更优,算法耗时少,实用性好。