1 云南师范大学物理与电子信息学院云南省光电信息技术重点实验室，云南 昆明 650500
2 上海交通大学电子工程系，上海 200240
合成孔径雷达（SAR）在成像过程中由于固有成像机制的缺陷导致图像被乘性噪声污染，图像噪声对后续目标检测识别等处理过程造成了阻碍。现有的去噪算法存在不能自适应估计噪声大小和对边缘保持效果不理想的问题，如何自适应处理不同噪声水平的图像是一个研究难点。提出一种基于盲估计和双边滤波的SAR图像稀疏去噪算法。首先利用双边滤波得到具有良好边缘保持特性的预处理图像；接着利用盲估计获取图像全域噪声水平，将其充当稀疏重建过程中的残差阈值；最后利用稀疏编码和字典学习算法，用尽可能少的原子信息来表示图像，达到图像去噪的目的。实验结果表明，结合了盲估计的稀疏重建算法不仅有效去除了图像噪声，使等效视数获得了显著提升，而且峰值信噪比和边缘保持指数也有良好的表现，有效保留了原图的细节纹理信息。
合成孔径雷达 稀疏表示 图像降噪 盲估计 双边滤波 激光与光电子学进展
2023, 60(16): 1610001
1 南京邮电大学 电子与光学工程学院，江苏南京20023
2 江苏北方湖光光电有限公司，江苏无锡14035
3 南京邮电大学 自动化学院，江苏南京21002
为了提高基于深度学习的图像降噪效率，提出了一种基于Res2-Unet-SE的多阶段监督深度残差（Multi-stage Supervised Deep Residual，MSDR）降噪神经网络。首先基于该神经网络，将图像降噪分为多阶段处理过程；然后在各处理阶段，将不同分辨率图像块输入到Res2-Unet子网络中获取不同尺度特征信息，并通过通道注意力机制将自适应学习的特征融合信息传递到下阶段；最后将不同尺度特征信息叠加，完成高质量的图像降噪。实验选择BSD400数据集用于训练，通过Set12数据集进行高斯噪声的降噪测试；通过SIDD数据集完成真实噪声的降噪测试。通过与常见的降噪神经网络对比表明，对图像添加σ=15，25，50的高斯噪声时，经本文算法降噪后的图像PSNR比对高斯噪声消除性能较好的DNCNN分别提高0.03 dB，0.05 dB，0.14 dB；在σ=25，50时，相较于MPRNET分别提高了0.02 dB， 0.06 dB。对含真实噪声的图像，经本文算法降噪后的图像PSNR比CBDNET算法提高0.48 dB。实验分析表明，本文算法在图像降噪上具有较高的鲁棒性，不仅能从噪声中有效恢复图像细节，还能充分保持图像的全局依赖关系。
图像降噪 真实噪声 残差网络 通道注意力机制 监督注意力机制 image denoising real noise residual network channel attention mechanism supervisory attention mechanism
1 中国科学院光电技术研究所，四川 成都 610209
2 中国科学院自适应光学重点实验室，四川 成都 610209
3 中国科学院大学，北京 100049
针对光学相干层析成像（OCT）过程中，光线散射、目标微动和硬件抖动等原因引起的噪声干扰，尤其是视网膜OCT图像中存在的严重噪声干扰问题，提出了一种基于模块化降噪自编码器的渐进式OCT图像降噪方法。使用多层卷积和反卷积构建自编码器，以模块化深度神经网络的架构为基础搭建了具有多个自编码器模块的神经网络，每个自编码器模块可依次输出降噪程度逐渐升高的过程结果，以满足不同的使用需求。以均方误差、峰值信噪比和结构相似度作为降噪结果的评价指标，对编码器模块数量T的研究结果表明，所设计的编码器在T=4时具有最佳性能。利用所提方法和各种主流方法对正常眼和病眼的视网膜OCT图像进行降噪处理，结果表明所提方法在各项指标上均取得最优结果，可以有效地对视网膜OCT图像进行降噪处理和大幅提升图像的质量。
图像处理 视网膜光学相干层析图像 图像降噪 降噪自编码器 深度学习
合成孔径雷达(SAR)是相干成像系统, 生成的图像经常会被相干斑噪声污染, 继而造成了SAR图像在后续分割、识别中准确率低的问题。针对图像被污染问题, 设计了一种结合生成对抗网络(GAN)与残差网络(ResNet)的SAR图像降噪网络模型Re-GAN, 其中, GAN中的生成器加入了ResNet中的残差块以增强对SAR图像降噪的能力, 模型中的组合损失函数在降噪时可以更好地保留图像细节。在MATAR数据集上, Re-GAN分别与BM3D算法、小波降噪算法进行比较, 实验结果证明, Re-GAN在视觉效果和定量分析方面都具有良好的性能。
图像降噪 生成对抗网络 残差网络 SAR SAR noise reduction of image Generative Adversarial Network (GAN) residual network
上海理工大学 医疗器械与食品学院 上海介入医疗器械工程技术研究中心, 上海 200093
散斑噪声存在于光学相干层析成像(OCT)中, 影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时, 高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理, 使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN, 其具有多尺度、多权重和多层次特征融合等特点, 并且在保留图像空间结构细节的基础上降低图像噪声; 再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明, CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右, 验证了方法可以有效地保留OCT图像中的细节信息, 同时有效地抑制噪声, 提高图像质量。
光学相干层析技术 图像降噪 条件卷积 多尺度 optical coherence tomography image noise reduction conditional convolution multi-scale convolution
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
传统CT采用积分式探测器采集投影数据, 反映的是物体的平均衰减特性, 会在一定程度上造成信息损失, 无法对物体进行较好的定性定量测量。 基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子, 采集更多被测物体的物质组成信息, 有助于识别不同物理特性的材料, 基于此, 能谱CT被广泛的应用于小病灶、 低对比度结构以及微细结构的成像。 然而将整个能谱划分为多个能量段进行数据采集时, 范围较窄能量范围内的有效光子数比例相对降低, 导致图像中包含较多的噪声, 图像质量较差, 影响能谱CT的临床应用。 为了有效的抑制能谱CT不同能量段内重建图像中的噪声, 提出了一种基于深度学习的能谱CT图像降噪方法。 我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN), 实验中, 利用能谱CT在不同的能量范围扫描小鼠样本, 使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。 为了验证网络的降噪性能, 选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比, 训练三种网络的使用的数据和实验配置都是完全相同的, 实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声, 且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。 模型训练好后, 可以对FDK算法重建出的图像进行降噪, 由此提高能谱CT图像降噪效率, 保证能谱CT重建图像的质量。
能谱CT 图像降噪 深度学习 光子计数探测器 Spectral CT Image Denoising Deep learning Photon-counting detector 光谱学与光谱分析
2021, 41(9): 2950
1 重庆邮电大学 移通学院 大数据与软件学院, 重庆 合川 401520
2 重庆师范大学 涉外商贸学院 大数据与智能工程学院, 重庆 合川 401520
由于正电子发射型计算机断层显像(PET)噪声较大, 现有图像降噪效果不理想, 提出了一种结合残差U-Net神经网络和深度图像先验(DIP)的PET图像降噪。在U-Net网络中引入残差学习, 提高网络表达能力和收敛速度; 提出一种无训练数据的DIP算法, 将神经网络解释为图像的参数化, 利用图像噪声参数化后呈现高阻抗的特性将其去除, 达到降噪的目的; 在BrainWeb脑部图像数据集上进行实验, 并对实验结果进行了对比分析。分析结果表明, 所提方法能够得到边缘清晰且平滑的图像, 在不同噪声等级和时间帧中, 其去噪效果均优于其他对比方法, 可获得高质量的图像。
成像光学 正电子发射型计算机断层显像 残差学习 U-Net神经网络 深度图像先验 图像降噪 imaging optics positron emission computed tomography residual learning U-Net neural network DIP image denoising
1 昆明物理研究所，云南昆明 650223
2 陆军装备部驻重庆地区军事代表局驻昆明地区第一军代室，云南昆明 650023
红外图像处理中，由于非制冷红外探测器工艺技术上的原因，原始的红外图像包含多种噪声，尤其是椒盐噪声、固定或随机条纹噪声。当前有许多红外图像降噪的滤波算法，但在时间、空间、降噪效果、细节保持等方面各有侧重，难以实现完美结合。如何更快速、更高效、更准确地滤除噪声信息，保留更多的细节信息，是今后红外图像处理降噪研究的关键方向。本文调研了目前主流的红外图像降噪算法，并从传统滤波降噪、变换域滤波降噪、基于图像分层处理滤波降噪三大类别进行了分析比较，并且提出了一种结合传统算法和基于图像分层的自适应降噪算法，为今后的相关领域研究人员提供参考。
红外图像降噪 自适应降噪 传统滤波器 图像分层滤波器变换域滤波器 infrared image noise reduction, adaptive noise red
1 浙江工业大学计算机科学与技术学院，浙江 杭州 310023
2 浙江工业大学信息工程学院，浙江 杭州 310023
3 中国科学院深海科学与工程研究所，海南 三亚 572000
侧扫声纳(SSS)是一种利用声波的水下传播特性完成水下探测的电子设备。因为侧扫声纳利用回波强度成像，所以不可避免地引入散斑噪声。本文针对散斑噪声，提出了基于自适应三维块匹配滤波 (BM3D)的侧扫声纳图像散斑降噪方法。该算法首先对 SSS图像进行幂变换和对数变换，采用小波变换估计整体图像噪声，同时用局部噪声估计结果更新 BM3D算法的参数。然后本文算法比较全局估计和局部估计的结果，选择最合适的参数解决噪声分布不均匀的问题。实验结果表明，本文改进的 BM3D算法能有效地降低 SSS图像中的散斑噪声，获得良好的视觉效果。本文算法的等效视数至少提高了 6.83%，散斑抑制指数低于传统方法，散斑抑制和平均保存指数至少减少了 3.30%。该方法主要用于声纳图像降噪，对于超声、雷达或 OCT图像等受散斑噪声污染的信号也有一定的实用价值。
侧扫声纳 散斑噪声 图像降噪 side scan sonar speckle noise image denoising BM3D BM3D
