改进的各向异性扩散图像去噪算法

龙源期刊网

米字型各向异性扩散模型的图像去噪算法

作者：翟东海 鱼江 段维夏 肖杰 李帆

来源：《计算机应用》2014年第05期

摘要：针对原始的各向异性扩散模型在对带噪图像去噪时，只利用了邻域内东、南、西、北4个方向上的参考信息，使得去噪效果不够明显的问题，提出了米字型各向异性扩散模型的图像去噪算法。该算法在利用了原始算法中待修复点周围4个方向上参考信息的基础上，还引入了该点邻域内对角线方向上的新信息，并给出了采用周围8个方向上的信息进行对图像去噪的新模型，同时证明了该模型的合理性。最后，用新提出的算法、原算法以及改进的同类算法进行对带噪图像去噪。实验结果表明，新提出算法去噪效果的峰值信噪比（PSNR）平均提高1.69dB，平均结构相似度（MSSIM）平均提高0.14，说明该算法比其他算法更适合于图像去噪。〖BP）〗

针对原始的各向异性扩散模型在对带噪图像去噪时，只利用了邻域内东、南、西、北4个方向上的参考信息，使得去噪效果不够明显的问题，提出了米字型各向异性扩散模型的图像去噪算法。该算法在利用了原始算法中待修复点周围4个方向上参考信息的基础上，还引入了该点邻域内对角线方向上的新信息，给出了采用周围8个方向上的信息进行对图像去噪的新模型，同时证明了该模型的合理性。用新提出的算法与原算法以及一种改进的同类算法对4幅带噪图像进行去噪。实验结果表明，新提出算法去噪效果的峰值信噪比（PSNR）相比原算法和改进同类算法平均提高1.90dB和1.43dB，平均结构相似度（MSSIM）分别平均提高0.175和0.1，说明该算法更适合于图像去噪。

基于改进的各向异性扩散方程的医学超声图像降噪方法

医学超声成像技术具有方便、安全、快捷等优点而广泛应用于临床,但其成像机制的特殊性使得超声图像存在严重的斑点噪声,给临床影像学诊断带来了困难。传统的斑点噪声抑制方法有维纳滤波[1]、小波软阈值滤波[2]和中值滤波[3]但是这些方法在抑制噪声的同时不同程度地造成了边缘模糊。

基于各向异性扩散方程的滤波技术在医学图像降噪领域越来越受到关注。文献[4]首先提出基于偏微分方程的各向异性扩散滤波技术(即P-M模型),但其平滑效果较差,容易出现图像集块或阶梯现象(也叫“块效应”),边缘保持的效果也不理想,且无法滤除边界上的噪声。为解决该问题,文献[5]先将原始图像与高斯滤波器进行卷积运算,降低噪声点的梯度,使强的灰度阶跃保留下来,再运用P-M方程进行滤波。文献[6]对文献[5]的Catte算子做了进一步改进,较好地平滑了噪声,尖峰和窄边缘也得到较好的保持。文献[7]提出一种的新的各向异性扩散方程(Speckle ReducingAnisotropicDiffusion, SRAD),其中的梯度算子能够很好地区分噪声点和检测边缘区域。文献[8]将扩散方向由4个方向扩展为8个方向,从而保留了更多的图像细节,提高了图像质量。

本文将各向异性扩散方程的扩散方向由四个方向扩展为8个方向,并构造了新的扩散系数函数,在此函数中使用了一种新的梯度算子并引入了一种扩散门限的自动估计方法,从而在有效抑制斑点噪声的同时较好地保留了图像的边缘细节信息。

本文将各向异性扩散方程的传统4方向扩展为8方向;同时引入了新的扩散系数计算方法,从而更好的达到了细节保护和斑点噪声消除的双重功能。

It+Δts=Its+Δt|ηs|∑p∈ηsc( Its, p) Its, p(4)每一次迭代都是以周围四个方向的梯度值来计算该中心点变换后的灰度值,这可能会导致图像细节的损失并产生虚假轮廓。为了克服这种现象,本文在传统四方向基础上增加了45°、135°、225°、315°4个方向(见图1),即用8个方向的梯度值来计算该点变换后的灰度值,ηs表示像素点I(x, y)的八邻域,这里取值8。

Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　计算机应用，２０１５，３５（ＳＩ）：２７０—２７２　ＩＳＳＮ　１０ｏ１．９０８１　Ｃ０ＤＥＮ　ＪＹＩＩＤＵ　２０１５．．０６．．２０　ｈｔｔｐ：／／ｖｅｎｗ．ｊｏｃａ．ｅｎ　

文章编号：１００１．９０８１（２０１５）Ｓ１．０２７０．０３　

基于改进各向异性的水平集医学图像去噪　

霍宇欢　，伍岳庆　，姚宇　

（１．中国科学院成都计算机应用研究所，成都６１００４１；２．中国科学院大学，北京１０００４９）　（｛通信作者电子邮箱ｈｕｏｙｕｈｕａｎ＠１２６．ｃｏｒｎ）　

摘要：针对成像复杂、噪声突出的医学图像在去除噪声的同时模糊边缘特征的现象，提出了基于改进的各向异　

性的水平集去噪模型。在水平集去噪模型的基础上，加入了改进的各向异性扩散因子，其中改进的各向异性扩散因　

子采用了中值滤波平滑后的梯度模替换原始图像的梯度模，对于医学图像中大量的斑点噪声更加有效，并保留了图　

像的边缘信息。基于Ｍａｔｌａｂ平台对改进算法进行了验证，实验表明，基于改进各向异性的水平集算法在有效去除噪　

声的同时，非但没有模糊边缘特征，相反地起到增强边缘信息的效果。改进算法优于各向异性算法和中值滤波等算　

法，提高了图像的信噪比，降低了图像的均方误差，保留了更多细节信息，使得医学图像更好地用于诊断，以及后续的　

分割等处理。　

关键词：水平集方法；各向异性算法；医学图像；中值滤波；斑点噪声　

中图分类号：ＴＰ３９１．４ｌ　文献标志码：Ａ　

Ｍｅｄｉｃａｌ　ｉｍａｇｅ　ｄｅｎｏｉｓｉｎｇ　ｂａｓｅｄ　ｏｎ　ｉｍｐｒｏｖｅｄ　ａｎｉｓｏｔｒｏｐｉｃ　ｄｉｆｆｕｓｉｏｎ　ａｎｄ　ｌｅｖｅｌ　ｓｅｔ　

ＨＵＯ　Ｙｕｈｕａｎ　，　．ＷＵ　Ｙｕｅｑｉｎｇ　．ＹＡＯ　Ｙｕ‘　

（１．Ｃｈｅｎｇｄｕ　ｌ￣ｔｈｍｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ　Ｓｗｈｕａｎ　６１００４１，Ｃｈｉｎａ；　２．Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＣｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　Ｄ厂Ｓｃｉｅｎｃｅｓ，Ｂｅ　ｎｇ　１０００４９，Ｃｈｉｎａ）　

个人收集整理-ZQ

1 / 4 基于图像特征地各向异性扩散去噪方法

摘 要:对图像去噪滤波方法模型未考虑图像光滑区域与其他图像特征地区别,在光滑区域地扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘，为此，提出一种改进地各向异性扩散方法.该方法首先用维纳滤波减弱噪声对图像地影响,再利用相干性正确判断边缘区域、光滑区域和形拐角等图像特征,并依据图像特征设置相应区域扩散张量地特征值.实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好地效果,并有效消除光滑区域地虚假边缘,可得到较高地峰值信噪比.

关键词:图像特征;各向异性扩散;相干性;扩散张量;特征值

, *,

(

, , ,

)

:

, . . , .

. , , , ,

,

. ,

.

: 个人收集整理-ZQ

2 / 4 ; ; ; ;

引言

成像过程中由于受内外因素地干扰,图像总不可避免地存在噪声,这些噪声在很大程度上影响了图像细节地真实情况,降低了图像质量.因此,如何有效去除噪声,保护图像细节特征,提高图像质量,一直是人们广泛研究地问题.

近年来,偏微分方程( )方法应用于图像去噪地高质量处理结果引起了人们地广泛关注[].应用偏微分方程方法去噪主要有个发展方向: 第一,由线性扩散模型到非线性扩散模型地转变,非线性扩散模型以模型[];第二,由简单地一类方程到复杂地多类方程转变,如等[]地高阶方程等[]提出地逆扩散方程以及实扩散与复扩散地综合等;第三,由偏微分方程地一步实现向多步实现转变,如. []散方程先用线性方程对边缘进行定向,再用非线性方程实现沿边缘地定向扩散,实现了线性方程与非线性方程地结合[].