医学超声图像是医生诊断人体组织病变的重要依据, 而医学超声图像中固有的散斑噪声易造成纹理信息的破坏, 影响医生对组织器官的判断, 因此, 医学超声图像的去噪处理倍受关注。针对目前医学超声图像去噪算法无法保持图像纹理这一局限性, 本文提出分数阶微分加权的引导滤波算法。算法首先通过对数变换, 将难以去除的散斑噪声转换为加性噪声; 再结合分数阶微分算法, 根据像素与边缘纹理的相关性设计纹理因子, 并使用该纹理因子改进引导滤波方法; 最后, 通过改进的引导滤波器生成医学超声图像的处理结果。本文对猪胃和猪气管超声图像进行了算法实验, 实验结果表明, 本文算法相较于经典引导滤波算法, 其结构一致性因子提升20.1%, 无参考图像锐化因子提升3.3%, 能够在去除散斑噪声的同时有效保留图像边缘纹理结构, 对于医学超声图像具有良好的适用性。

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题, 将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合, 提出一种新的图像融合方法。利用引导滤波和高斯低通滤波, 将源图像分解为低频近似部分、强边缘部分和高频细节部分, 并将高频细节部分进行非下采样方向滤波, 进一步得到高频方向细节部分; 对低频近似部分应用基于局部区域能量的融合规则, 对强边缘部分提出一种基于卷积稀疏表示的融合规则, 对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则, 得到相应的融合部分, 并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明, 算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法, 其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。