一种复合各向异性扩散的图像去噪算法

本文提出一种复合各向异性扩散滤波算法,将降斑各向异性扩散(Speckle reducing anisotropic diffusion,SRAD)模型中对边缘敏感的瞬态系数(Instantaneuos coefficient of variation,ICOV)算子运用到了非线性相干扩散(Nonlinear coherent diffusion,NCD)相干模型中,并基于统计学提出ICOV算子的相关系数矩阵对图像的相关度进行度量,系数矩阵的值是每个ICOV算子与其所在行与列的相关度,此相关度的值在边缘附近会取到极大值,这个对图像的边缘检测有很好的度量,根据每个像素与其周围像素的相关度对边缘附近的扩散的强度进行修改,对图像进行更为之有效、更准确的非线性去噪与边缘加强。实验结果表明,与其他各向异性算法相比,本算法可获得更好的性能指标,具有更好的去噪效果和保留边缘功能。

基于EM算法参数估计的各向异性扩散超声图像的去噪

目的提出一种各向异性扩散滤波器的扩散参数选取方法,提高滤波器的灵活性和稳定性。方法使用二状态的瑞利、高斯混合分布对超声图像灰度分布进行拟合,并采用期望值最大化(expectation maximization,EM)算法实现混合分布的分解;根据分解结果预测图像中斑点噪声均匀分布的区域;通过对均匀区域统计特性的分析获取各向异性扩散的扩散参数。结果通过与两种改进扩散参数选取的滤波方法对比,基于EM算法的混合分布分解能够准确地估计扩散参数,使滤波结果在噪声消除和边缘保持上达到有效的平衡。结论基于EM算法参数估计的各向异性扩散是一种有效的超声图像去噪方法。

基于瞬态系数梯度的SAR图像分割方法

文章针对合成孔径雷达(SAR)图像受相干斑噪声影响严重的问题,提出了一种基于瞬态系数梯度的SAR图像分割方法。该梯度计算方法是:通过各向异性相干斑降噪算法对SAR图像进行滤波,利用瞬态系数从该滤波图像中计算梯度,并将梯度图像与分水岭算法相结合进行初始分割;为解决分水岭算法导致的过分割问题,通过构建区域邻接图和区域马尔科夫场进行区域合并。与基于经典梯度的分割方法相比,该方法对边缘的定位更准确、分割速率更快。将提出的方法用于SAR图像的分割中,实验结果表明该分割方法有效、准确性好。

基于区域型MRF的SAR图像分割算法

针对迭代区域生长算法(IRGS)在处理含相干斑噪声严重的合成孔径雷达(SAR)图像时具有的边缘定位不准确和初始过度分割的两大不足,文章提出了一种新型的改进分割算法。通过各向异性扩散滤波(SRAD)抑制SAR图像的斑点噪声并增强图像的边缘信息,采用分水岭分割与区域邻接图(RAG)构建SAR图像的区域化表达。在此基础上,与IRGS算法相结合,实现SAR图像的快速、精确分割。将新算法用于一组添加了不同噪声水平的合成图像和真实SAR图像,实验结果表明新算法在分割准确度和时间效率上均有较大提高。

一种改进的Otsu多阈值SAR图像分割方法

针对传统Otsu多阈值分割方法对SAR图像分割存在对噪声敏感且计算量大的问题,提出了一种结合降斑各向异性扩散(speckle reducing anisotropic diffusion,SRAD)和自适应量子遗传算法的Otsu多阈值SAR图像分割方法。首先,利用SRAD对SAR图像进行滤波,滤除其相干斑噪声,并通过获取滤波迭代过程中图像间的平均结构相似度,有效地控制迭代过程;通过图像的直方图和阈值的组合来定义图像的类间方差。然后,将阈值的组合编码为量子染色体;设置若干量子染色体构成初始阈值组合种群,并对每个组合个体以定义的类间方差作为评价标准进行适应度评价。利用量子旋转门作用于量子染色体叠加态的基态实现其进化,并根据相邻两代量子染色体的差异,逐代地调整量子旋转角的大小;以最终演化的阈值组合种群中适应度最大的阈值组合个体作为最优阈值组合,实现SAR图像最优多阈值分割。为验证所提出的分割方法,对模拟和真实SAR图像进行了实验。定性和定量评价结果表明了该方法的可行性和有效性。

颈动脉B超估计血管壁搏动位移的干扰抑制

超声检测时,由于测量者把握探头的不稳定、受试者的呼吸运动等造成的干扰,将对通过B超图像进行斑点跟踪提取到的动脉壁位移的精度造成影响.为此,本文提出基于B超序列相位图像的全局刚性特征进行配准消除干扰.相位特征通过对B超图像进行Riesz变换,再采用高斯差分法提取得到.为了更快地完成寻优,减少配准误差,采用了基于位置加权的主轴质心法与互信息相结合的分阶段的配准方法.结果表明,与直接对B超或相位图采用斑点跟踪的方法相比,该方法有效去除了干扰,管壁位移提取的精度有显著提高.本文方法还可用于心脑等医学图像的配准.

基于SRAD和NSCT的数字全息再现像像质改善方法

针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题,提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声,然后进行NSCT分解,产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数,并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明,与近年来提出的非线性扩散去噪方法及NSCT增强方法相比,所提出的方法能更有效地消除散斑噪声、提升再现像的对比度,并得到光滑清晰的边缘,从而提高后续数字全息识别与测量的准确度。

结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取

利用遥感成像技术获取地面水体信息对水资源调查、自然灾害评估、流域规划和生态环境监测等具有重要意义,其中SAR成像作为大范围地面监测的可靠数据源,拥有全天时、全天候、广覆盖等光学遥感系统所不具有的优点,在水体提取中得到了广泛的应用。但由于受SAR图像相干斑噪声的影响,现有水体提取方法难以迅速、精确提取SAR图像中复杂精细的自然水体结构。为此,提出一种结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取方法。首先,利用降斑各向异性扩散滤波SAR图像,在迭代滤波过程中通过计算图像间平均结构相似度自适应控制迭代过程,使其同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应确定阈值,实现滤波结果图像二值化分割。在二值化分割结果中,搜索具有相同像元值且位置相邻的前景像元点组成的连通区域,使每个单独的连通区域形成一个被标识的块,通过获取这些块的几何参数来消除图像的误分割,精确划定真实的水体区域,以实现SAR图像水体提取。为了验证提出方法的准确性,将本文方法提取的水体边界与人工绘制的水体边界叠加,结果表明二者可较好吻合。同时,从视觉、提取精度和运行时间对本文方法与目前常用3种SAR图像水体提取算法的结果进行比较分析,其中本文方法的运行时间满足实时应用的要求,提取结果的边界在2个像元评级区重叠度均达到80%,明显优于其他方法且本文方法提取结果在边界及细节信息等视觉方面也更加显著。对结果的定性及定量评价表明本文方法的优越性。