光学 精密工程
2022, 30(14): 1738
1 昆明理工大学信息工程与自动化学院，云南 昆明 650504
2 四川大学计算机学院，四川 成都 610065
3 昆明医科大学第一附属医院医学影像科，云南 昆明 650504
医学超声图像中会不可避免地产生斑点噪声。为有效去除医学超声图像中的噪声，本研究团队提出了一种基于双注意力机制的医学超声图像降噪模型。首先，针对医学超声图像数量有限的问题，对伯克利分割数据集中的400张图像进行旋转和缩放，获得23700张自然图像，再通过斑点噪声模型对其添加斑点噪声来模拟超声图像；接着，在构建降噪模型过程中，针对传统卷积神经网络在特征提取时存在的一些不足，分别引入位置注意力机制、通道注意力机制和全卷积网络对现有模型进行改进，构建更优的超声图像降噪模型；最后，在模型训练过程中，为防止梯度消失引入了批量归一化操作。实验结果表明：从视觉观察效果和客观评价指标来看，所提模型对11张模拟超声图像和2张真实超声图像（物理体膜超声图像和肝脏超声图像）的去噪效果均优于对比模型。所提模型是一种有效的医学超声图像降噪模型，不仅有效降低了斑点噪声，还较好地保留了图像的细节信息。
图像处理 医学超声图像 斑点噪声模型 位置注意力机制 通道注意力机制 斑点噪声抑制 激光与光电子学进展
2022, 59(2): 0217001
1 宁夏大学,a.物理与电子电气工程学院
2 宁夏沙漠信息智能感知重点实验室, 银川 750021
3 宁夏大学,b.信息工程学院,银川 750021
针对遥感光学图像和SAR图像在配准过程中存在正确匹配点较少、配准精度低的问题, 提出一种结合P-M滤波及改进LSS的光学和SAR图像配准算法。首先, 利用各向异性方程扩散性滤除SAR图像的斑点噪声; 其次, 对于图像间显著的灰度差异, 利用提取的局部区域特征求取各个方向的自相似值, 确定主方向的特征方向, 结合特征梯度位置方向, 形成稳定局部自相似特征算子对图像进行配准。实验结果表明, 此算法在有效保留图像边缘信息的同时,对于光学图像和SAR图像之间的成像差异具有较好的鲁棒性,相较于同类配准算法, 配准精度提升近20%。
斑点噪声 灰度差异 各向异性滤波 自相似特征 配准 speckle noise gray difference anisotropic filtering self-similarity characteristics registration
昆明理工大学信息工程与自动化学院, 云南 昆明 650500
在医学超声成像技术中,成像设备、成像机制和检测对象的不均匀性等因素导致超声图像中存在斑点噪声和部分失真的问题,这不仅降低了超声图像的质量,也给临床医学的诊断增加了难度。为了有效地抑制超声图像中的斑点噪声,提出了一种基于反向传播(BP)神经网络的自适应双边滤波的超声图像降噪方法。该方法能够通过BP神经网络预测的局部区域与参考噪声区域之间的相似度值区分超声图像中的噪声区域与组织区域,再通过将BP神经网络预测的相似度值与双边滤波器相结合实现对超声图像的自适应滤波。该双边滤波器能够对超声图像中不同的区域进行有区别的滤波。对4幅超声图像(物理体膜超声图像、肝脏超声图像1、肝脏超声图像2和肾脏超声图像)进行实验,结果表明该方法可以较好地抑制超声图像中的斑点噪声并保留其边缘特征,也能够得到更高的信噪比和更优的视觉效果。
图像处理 超声图像 双边滤波器 自适应滤波 反向传播神经网络 斑点噪声抑制 激光与光电子学进展
2020, 57(24): 241014
1 山东师范大学物理与电子科学学院, 山东省医学物理图像处理技术重点实验室, 山东省光学与光子器件重点实验室, 山东 济南 250358
2 济南大学信息与科学工程学院, 山东 济南 250022
通过分析临床医学图像中光学相干断层成像(OCT)的相干斑噪声模型,提出了一种基于局部分组主成分分析的光学相干断层图像降斑算法。根据相干图像的统计特征,利用同态滤波将乘性噪声转换为加性噪声;将训练集中待处理的像素及其邻域表示成子块向量,利用块相似性度量对子块进行分组,并用于主成分分析。为有效抑制相干图像中病灶的噪声干扰,将该算法执行两次。实验结果表明:所提算法在降斑的同时较好地保留了图像的细节信息,而且获得了较高的客观评价指标。
图像处理 光学相干成像 斑点噪声 主成分分析 块相似 光学学报
2018, 38(10): 1017002
武汉理工大学资源与环境工程学院, 湖北 武汉 430070
三维块匹配(BM3D)算法能够有效抑制平稳信号中的噪声。对于具有随机特性的合成孔径雷达影像斑点噪声,受限于三维变换阈值单一和在局部邻域寻找相似块,BM3D算法的滤波效果不佳。提出了基于K-Means聚类的BM3D算法,并将其应用于合成孔径雷达影像斑点噪声抑制。对图像块集合根据均值、方差和极差值构建的特征向量进行聚类,估计每一类块的噪声方差,根据类噪声方差估计自适应三维变换阈值;在每一个图像块类内部寻找相似块,实现全局相似块的快速查找。实验结果表明,同BM3D算法和非局部均值算法相比,所提算法具有更好的视觉效果和更高的峰值信噪比。
图像处理 合成孔径雷达 斑点噪声抑制 三维块匹配 图像块聚类 自适应阈值 激光与光电子学进展
2018, 55(4): 041004
针对传统各项异性扩散模型容易产生板块分区, 模糊图像细节等问题,提出一种改进的各项异性滤波算法。该方法引用双曲正切函数构造扩散模型的扩散系数, 避免了传统各项异性扩散模型在均匀区域产生的板块分区问题; 并通过使用衰减因子提高在非均匀区域的扩散敏感性, 能够更好地保留图像的边缘细节信息; 同时引入相对平滑增量, 自适应监控图像的滤波程度, 并自动终止迭代过程。仿真实验表明, 提出的滤波方法能够有效滤除超声图像斑点噪声, 并消除传统各项异性扩散模型产生的板块分区问题, 提高了对图像细节信息的保留能力, 并增强了与原图像的结构相似度, 是一种有效的斑点噪声降噪方法。
超声图像 斑点噪声 各项异性扩散 图像滤波 ultrasound image speckle noise anisotropic diffusion image filtering
三峡大学 智能视觉与图像信息研究所, 宜昌 443002
为了分析光学相干层析成像技术(OCT)的图像对数变换前后的斑点噪声分布模型, 为图像去噪及其它图像处理过程提供参考, 采用了先推导斑点噪声理论分布模型, 再通过实验数据验证的方法。首先分析了对数变换前斑点噪声的统计特性, 利用数学理论推导得到斑点噪声对数变换后的理论分布模型, 然后用OCT心血管图像的平滑区域作为噪声的试验数据, 得到变换前后斑点噪声的直方图分布数据, 最后用理论分布模型对试验数据进行曲线拟合, 取得了确定系数、均方根差和卡方检测的评价数据。结果表明, 对数变换后斑点噪声分布符合Fisher-Tippett分布。这一结果对OCT图像去噪等处理过程是有帮助的。
图像处理 噪声模型 对数变换 光学相干层析图像 斑点噪声 image processing noise model logarithm transformation optical coherence tomography image speckle noise
1 复旦大学 电子工程系, 上海 200433
2 云南大学 电子工程系,云南 昆明 650091
3 复旦大学 附属华东医院 超声科,上海 200040
提出一种自适应选取各向异性扩散滤波器扩散参数的方法，以提高滤波器的有效性和稳定性。首先，使用最大类间方差二值化算法确定超声图像的最优二值化阈值，并将该阈值作为区域均匀性标准对超声图像进行四叉树分解。然后，按从大到小的顺序从分解结果中取出所有当前最大分块，根据最优同质区域分块判决依据进行优选。最后，使用最优同质区域选取结果计算扩散参数，对超声图像进行各向异性扩散滤波。结果表明，本方法优于斑点降噪各向异性扩散(SRAD)和细节保留各向异性扩散(DPAD)两种典型的自动选取扩散参数方法，能在显著减少运算时间的同时使平均图像佳数较前两种方法分别提高0.029和0.129。本方法避免了对人工同质区域选取的依赖，可准确计算扩散参数，在噪声消除和边缘保护上达到有效的平衡，是一种有效的超声图像降噪方法。
超声图像 斑点噪声 图像滤波 同质区域 各向异性扩散 ultrasound image speckle noise image filtering homogeneous region anisotropic diffusion
西安工程大学 电子信息学院, 陕西 西安 710048
分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点, 根据斑点噪声统计模型的特征, 结合小波变换方法, 提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量。首先, 对超声图像进行对数变换, 使斑点噪声转换为加性噪声; 对医学图像进行维纳滤波处理, 计算其加性噪声的标准方差, 并以此作为小波阈值。然后, 利用小波变换对图像进行预处理, 利用PCNN在小波域中对小波系数进行相应的修正。最后, 进行小波逆变换和指数变换, 获得滤除噪声的图像。结果表明: 本文提出的滤波方法优于其他滤波方法, 当噪声方差为0.01时, 本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB。该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息, 极大地改善了图像的视觉质量。
斑点噪声 维纳滤波 脉冲耦合神经网络 小波变换 speckle noise Wiener filtering Pulse Coupled Neural Network(PCNN) wavelet transform
