CN113129235A - 一种医学图像噪声抑制算法 - Google Patents
一种医学图像噪声抑制算法 Download PDFInfo
- Publication number
- CN113129235A CN113129235A CN202110433137.6A CN202110433137A CN113129235A CN 113129235 A CN113129235 A CN 113129235A CN 202110433137 A CN202110433137 A CN 202110433137A CN 113129235 A CN113129235 A CN 113129235A
- Authority
- CN
- China
- Prior art keywords
- image
- noise suppression
- suppression algorithm
- radius
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001629 suppression Effects 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000001131 transforming effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 43
- 230000009466 transformation Effects 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种医学图像噪声抑制算法,对输入图像P0进行3维高斯滤波得到P1,利用差分图像D0=P0‑P1,对噪声标准差进行估计,得到σ,对图像P0求梯度模图像T1,再利用阈值函数H(T1)进行变换得到图像H0,利用图像H0和噪声标准差σ,对图像P0进行自适应NLM滤波得到滤波结果P2。
Description
技术领域
本发明涉及医学成像技术领域,尤其涉及一种医学数字化X线图像噪声抑制算法。
背景技术
近二十年来,X射线计算机断层成像技术迅猛发展,医疗领域也对图像的质量提高了要求。噪声是医疗图像不可避免的。现在的噪声抑制算法主要分为4类:第一类:空间域滤波,主要代表有均值滤波,中值滤波,高斯滤波,双边滤波,NLM,BM3D等,第二类:变换域滤波,主要有小波阈值去噪,傅里叶变换,第三类:全变分去噪以及偏微分方程去噪。第四类:深度学习。具体来说,由于第四类耗时较长,第三类及第二类去噪效果对参数选择敏感,因而我们选择第一类,鉴于其去噪效果以及运行时间,我们选择NLM去噪算法。
现有的图像去噪技术大多被各大公司视为商业机密,不轻易外泄。现有的公开技术多数只给出二维的去噪结果,对三维数据处理有借鉴意义。大部分现有技术对2维数据处理。在二维到三维的过程中,表面只增加了一维,但是,实际上,增加一维给传统的2维去噪带来了挑战,往往图像在2维看起来噪声抑制效果好,在3维空间上可能会出现新的伪影。
发明内容
针对背景技术中存在的问题,本发明致力于研究3维数据(但不仅限于3维,2维同样适用)的去噪算法,本发明的技术方案如下:
一种医学图像噪声抑制算法,包括如下步骤:
S1、对输入图像P0进行3维高斯滤波得到P1;
S2、利用差分图像D0=P0-P1,对噪声标准差进行估计,得到σ;
S3、对图像P0求梯度模图像T1,再利用阈值函数H(T1)进行变换得到图像H0;
S4、利用图像H0和噪声标准差σ,对图像P0进行自适应NLM滤波得到滤波结果P2。
进一步地,所述S1具体包括:把CT图像加载至内存得到P0,之后对P0进行3维高斯滤波得到P1,
滤波核定义如下:
进一步地,所述步骤S2具体包括:由差分图像D0=P0-P1,对噪声标准差进行估计得到σ,
D0(i,j,k)=P0(i,j,k)-P1(i,j,k)
进一步地,所述步骤S3具体包括:对P1求梯度模得到图像T1,对T1进行阈值变换H(T1)得到H0,
当下标越界时,利用镜像对称拓展。
进一步地,所述阈值转换函数H(x)还可为如下形式:
H(x)=1+A log(1+B(1-e-kt))+Ct
其中A,B,C,k均为认为设置的常数。
进一步地,所述阈值转换函数H(x)还可为如下形式:
参数k>0A控制最放大倍数,B控制增长速率变化。
参数选择原则如下:
所述空气区域为图像平坦区域,所述边缘区域为图像梯度模大的区域,
k控制阈值,图像梯度模大于多少时,需要缩小滤波半径,
B控制滤波半径放缩速率。
一步地,所述步骤S4具体包括:结合H0和σ对图像P0进行3维NLM自适应滤波得到P2,
其中p,q∈N3,代表图像像素的三维位置向量,
p=(p1,p2,p3),q=(q1,q2,q3),
U(p,r):{q∈N3|||p-q||=max(|p1-q1|,|p2-q2|,|p3-q3|)≤r},
r为搜索半径,f为邻域半径,h为滤波半径,
r,f一般为向量形式,代表实际的图像在三个维度上相关性的不一致,此时,相应公式对应修改。
本发明的医学图像噪声抑制算法存在以下有益效果:
1.充分考虑医学3维图像的3维信息,充分考虑每一维度数据间的相关性及其差异。
2.参数设置依据医学图像的空间分辨率设置,可以最大限度保持图像的空间分辨率不下降。
3.自适应过程考虑图像的梯度信息,在保持图像边缘这方面较一般算法好。
附图说明
图1为本发明医学图像噪声抑制算法流程示意图;
图2为本发明医学图像噪声抑制算法中阈值变换函数的图像;
图3为本发明医学图像噪声抑制算法中第二种形式的阈值变换函数的图像;
图4为本发明医学图像噪声抑制算法中第三种形式的阈值变换函数的图像;
图5(1)、图5(2)为本发明医学图像噪声抑制算法在2维图像下去噪结果效果图;
图6(1)、图6(2)为本发明医学图像噪声抑制算法在3维图像下去噪结果效果图。
具体实施方式
下面结合附图1至6和实施方式对本发明作进一步说明,图1为本发明的医学图像噪声抑制算法流程示意图,图2至图4为本发明的医学图像噪声抑制算法中使用到的三种阈值变换函数的图像,下面例举实施例进行详细说明:
实施例一
一种医学图像噪声抑制算法,应用于三维医疗图像降噪技术(也适用于二维图像),依次包括如下步骤:
S1、对输入图像P0进行3维高斯滤波得到P1;
S2、利用差分图像D0=P0-P1,对噪声标准差进行估计,得到σ;
S3、对图像P0求梯度模图像T1,再利用阈值函数H(T1)进行变换得到图像H0;
S4、利用图像H0和噪声标准差σ,对图像P0进行自适应NLM滤波得到滤波结果P2。
步骤S1具体包括:把CT图像加载至内存得到P0,之后对P0进行3维高斯滤波得到P1,
滤波核定义如下:
步骤S2具体包括:由差分图像D0=P0-P1,对噪声标准差进行估计得到σ,D0(i,j,k)=P0(i,j,k)-P1(i,j,k)
步骤S3具体包括:对P1求梯度模得到图像T1,对T1进行阈值变换H(T1)得到H0,
当下标越界时,利用镜像对称拓展。如P1(-1,j)=P1(1,j)
H(x)=A(1-e-kt)+1
其中A,k均为控制参数,A控制滤波半径放大半径,
k控制梯度模平方阈值,均需要根据图像T1确定。
本实施例中,此时可使用第一种阈值变换函数的图像,参阅附图2医学图像噪声抑制算法中阈值变换函数的图像,前述步骤三中,公式中A控制滤波半径的放缩倍数(真实滤波半径放缩倍数为k代表梯度模方的阈值倒数,若某个像素的梯度模大于该阈值则表示该像素为边缘点或者角点,需要缩小滤波半径以保护该点的几何特性不被平滑掉。
在此步骤三中,阈值转换函数H(x)还可为如下形式:
H(x)=1+A log(1+B(1-e-kt))+Ct
其中A,B,C,k均为认为设置的常数。
该函数图像如附图3医学图像噪声抑制算法中第二种形式的阈值变换函数的图像所示,这些阈值转换函数H(x)都可以通过调节参数改变函数的形态。上述函数都具有如下性质:
第一,在x=0附近,H(x)会把函数值快速抬升,从而可以保证在梯度不为0的地方尽可能把细节保留,
第二,在梯度值很大后,函数值趋于稳定(如第一个转换函数)或者增长缓慢(如第二个转换函数,可以调节C的值控制函数增长率,当C=0时函数与第一个转换函数变化趋势相同),保证在梯度大的像素点滤波半径不至于太小。
第三,可以通过控制参数调节阈值。两个转换函数中指数部分的k因子都是用于控制阈值的。
第四,可以通过调节参数控制函数增长趋势。第一个函数中A是用于控制最大放缩因子的,第二个函数中A,B也是用于控制最大放缩因子的。其中第二个转换函数中B也可以用于控制在x=0附近的抬升速率。
阈值转换函数必须在x=0处迅速增大,在增大到一定程度后趋于平缓。
本实施例中,步骤三还可以使用第三种形式的阈值变换函数的图像,且该阈值变换函数的图像如附图4所示,形式如下:
参数k>0A控制最放大倍数,B控制增长速率变化。
参数选择原则如下:
factor1为边缘区域(图像梯度模大的区域)的最大滤波半径放大倍数
k控制阈值,图像梯度模大于多少时,需要缩小滤波半径,
B控制滤波半径放缩速率。
此步骤三中,三种形式的函数表达已示出,具体的参数数值在附图2至附图4中已定义清晰,横轴为X数值,纵轴为对应函数形式的H(x)的数值,参数选择已经在上面第三个函数定义里说明,其它两个函数类似。其中附图3中,曲线为函数曲线,直线则示出了函数的渐近线以清晰得出相关斜率。这些函数都可以作为转换函数使用。在这里我们使用了第一个转换函数。这里仅举例说明部分转换函数,其它具有类似(开关)性质的转换函数均可。
步骤S4具体包括:
结合H0和σ对图像P0进行3维NLM自适应滤波得到P2,
其中p,q∈N3,代表图像像素的三维位置向量,p=(p1,p2,p3),q=(q1,q2,q3),
r为搜索半径,f为邻域半径,h为滤波半径。
r,f一般为向量形式,代表实际的图像在三个维度上相关性的不一致。
此时,相应公式可对应修改。
本实施例中,结合医疗图像的特性,我们还可以把r设置为空间分辨率,f=r,h=factor1*σ,factor1一般取为0.1~10。
实验结果展示
对于2维和3维图像数据,本发明算法均可适用。下面展示在2维图像情况下,附图本文算法的去噪结果:(参阅附图5(1)、附图5(2)本发明医学图像噪声抑制算法在2维图像下去噪结果效果图),供本领域技术人员参阅。
在应用于3维图像数据时,参阅附图6(1)、附图6(2)为本发明医学图像噪声抑制算法在3维图像下去噪结果效果图,供本领域技术人员参阅。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种医学图像噪声抑制算法,其特征在于,包括如下步骤:
S1、对输入图像P0进行3维高斯滤波得到P1;
S2、利用差分图像D0=P0-P1,对噪声标准差进行估计,得到σ;
S3、对图像P0求梯度模图像T1,再利用阈值函数H(T1)进行变换得到图像H0;
S4、利用图像H0和噪声标准差σ,对图像P0进行自适应NLM滤波得到滤波结果P2。
5.根据权利要求4所述的医学图像噪声抑制算法,其特征在于,所述阈值转换函数H(x)还可为如下形式:
H(x)=1+Alog(1+B(1-e-kt))+Ct,
其中A,B,C,k均为认为设置的常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433137.6A CN113129235A (zh) | 2021-04-22 | 2021-04-22 | 一种医学图像噪声抑制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433137.6A CN113129235A (zh) | 2021-04-22 | 2021-04-22 | 一种医学图像噪声抑制算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113129235A true CN113129235A (zh) | 2021-07-16 |
Family
ID=76778789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433137.6A Pending CN113129235A (zh) | 2021-04-22 | 2021-04-22 | 一种医学图像噪声抑制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129235A (zh) |
Citations (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6118906A (en) * | 1998-02-03 | 2000-09-12 | Eastman Kodak Company | Sharpening system adjusted for measured noise of photofinishing images |
US20060103765A1 (en) * | 2004-11-17 | 2006-05-18 | Samsung Electronics Co, Ltd. | Methods to estimate noise variance from a video sequence |
WO2006114003A1 (en) * | 2005-04-27 | 2006-11-02 | The Governors Of The University Of Alberta | A method and system for automatic detection and segmentation of tumors and associated edema (swelling) in magnetic resonance (mri) images |
WO2007059602A1 (en) * | 2005-11-23 | 2007-05-31 | Cedara Software Corp. | Method and system for enhancing digital images |
CN101018290A (zh) * | 2007-02-16 | 2007-08-15 | 北京中星微电子有限公司 | 一种图像处理方法和装置 |
WO2008005409A2 (en) * | 2006-06-29 | 2008-01-10 | Vassol Inc. | Automatic segmentation of stationary tissue in pcmr imaging |
US20080085060A1 (en) * | 2006-10-06 | 2008-04-10 | Stmicroelectronics S.R.L. | Method and relative device for estimating white gaussian noise that corrupts a digital image |
US20080232665A1 (en) * | 2007-03-21 | 2008-09-25 | Anja Borsdorf | Method for noise reduction in digital images with locally different and directional noise |
EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
WO2010073251A2 (en) * | 2008-12-25 | 2010-07-01 | Medic Vision - Brain Technologies Ltd. | Denoising medical images |
WO2012001648A2 (en) * | 2010-06-30 | 2012-01-05 | Medic Vision - Imaging Solutions Ltd. | Non-linear resolution reduction for medical imagery |
WO2012057126A1 (ja) * | 2010-10-25 | 2012-05-03 | 株式会社 東芝 | 医用画像処理装置、医用画像撮影装置、及び医用画像処理方法 |
WO2012066568A1 (en) * | 2010-11-15 | 2012-05-24 | Indian Institute Of Technology | An improved ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system |
US20130071028A1 (en) * | 2011-09-16 | 2013-03-21 | Stepen N. Schiller | System and Method for Estimating Spatially Varying Defocus Blur in a Digital Image |
CN103150713A (zh) * | 2013-01-29 | 2013-06-12 | 南京理工大学 | 利用图像块分类稀疏表示与自适应聚合的图像超分辨方法 |
CN103179325A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 一种固定场景下低信噪比视频的自适应3d降噪方法 |
CN103208097A (zh) * | 2013-01-29 | 2013-07-17 | 南京理工大学 | 图像多方向形态结构分组的主分量分析协同滤波方法 |
CN103236046A (zh) * | 2013-04-28 | 2013-08-07 | 南京理工大学 | 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法 |
US20130202080A1 (en) * | 2012-02-07 | 2013-08-08 | Lifeng Yu | System and Method for Denoising Medical Images Adaptive to Local Noise |
WO2013176310A1 (ko) * | 2012-05-23 | 2013-11-28 | 서울대학교산학협력단 | 의료영상의 잡음 저감 방법 |
WO2014082441A1 (zh) * | 2012-11-30 | 2014-06-05 | 华为技术有限公司 | 噪声消除方法及装置 |
US20140219552A1 (en) * | 2013-02-07 | 2014-08-07 | Mitsubishi Electric Research Laboratories, Inc. | Denoising of Images with Nonstationary Noise |
US20140355877A1 (en) * | 2013-05-31 | 2014-12-04 | Fujitsu Limited | Method and apparatus for processing a gray image |
WO2014197658A1 (en) * | 2013-06-08 | 2014-12-11 | General Electric Company | Method and system for noise standard deviation estimation |
CN104574417A (zh) * | 2015-01-27 | 2015-04-29 | 中国人民解放军国防科学技术大学 | 一种图像边缘灰度起伏性度量与自适应检测方法 |
CN104751423A (zh) * | 2015-03-16 | 2015-07-01 | 西安理工大学 | 一种基于共振子空间分析的医学图像去噪方法 |
CN104978715A (zh) * | 2015-05-11 | 2015-10-14 | 中国科学院光电技术研究所 | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 |
CN105427269A (zh) * | 2015-12-09 | 2016-03-23 | 西安理工大学 | 一种基于wemd和pcnn的医学图像融合方法 |
CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
JP2016126418A (ja) * | 2014-12-26 | 2016-07-11 | サクサ株式会社 | 画像処理装置 |
CN106097280A (zh) * | 2016-06-23 | 2016-11-09 | 浙江工业大学之江学院 | 基于正态逆高斯模型的医学超声图像去噪方法 |
CN106127711A (zh) * | 2016-06-23 | 2016-11-16 | 浙江工业大学之江学院 | shearlet变换和快速双边滤波器图像去噪方法 |
US20160371819A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
US20160371820A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
US20160371567A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
WO2017160829A1 (en) * | 2016-03-15 | 2017-09-21 | The Trustees Of Columbia University In The City Of New York | Method and apparatus to perform local de-noising of a scanning imager image |
WO2017193122A1 (en) * | 2016-05-06 | 2017-11-09 | Mayo Foundation For Medical Education And Research | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information |
CN107403416A (zh) * | 2017-07-26 | 2017-11-28 | 温州大学 | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 |
CN109118453A (zh) * | 2018-08-28 | 2019-01-01 | 西北核技术研究所 | 一种背景抑制的图像处理方法 |
CN109584319A (zh) * | 2018-12-05 | 2019-04-05 | 重庆邮电大学 | 一种基于非局部低秩和全变分的图像压缩感知重构算法 |
CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
CN110796625A (zh) * | 2019-10-30 | 2020-02-14 | 重庆邮电大学 | 一种基于组稀疏表示和加权全变分的图像压缩感知重构方法 |
CN111583286A (zh) * | 2020-04-09 | 2020-08-25 | 天津大学 | 基于Flow-XDoG算子的腹部MRI图像轮廓提取方法 |
CN112200750A (zh) * | 2020-10-21 | 2021-01-08 | 华中科技大学 | 一种超声图像去噪模型建立方法及超声图像去噪方法 |
-
2021
- 2021-04-22 CN CN202110433137.6A patent/CN113129235A/zh active Pending
Patent Citations (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6118906A (en) * | 1998-02-03 | 2000-09-12 | Eastman Kodak Company | Sharpening system adjusted for measured noise of photofinishing images |
US20060103765A1 (en) * | 2004-11-17 | 2006-05-18 | Samsung Electronics Co, Ltd. | Methods to estimate noise variance from a video sequence |
WO2006114003A1 (en) * | 2005-04-27 | 2006-11-02 | The Governors Of The University Of Alberta | A method and system for automatic detection and segmentation of tumors and associated edema (swelling) in magnetic resonance (mri) images |
WO2007059602A1 (en) * | 2005-11-23 | 2007-05-31 | Cedara Software Corp. | Method and system for enhancing digital images |
WO2008005409A2 (en) * | 2006-06-29 | 2008-01-10 | Vassol Inc. | Automatic segmentation of stationary tissue in pcmr imaging |
US20080085060A1 (en) * | 2006-10-06 | 2008-04-10 | Stmicroelectronics S.R.L. | Method and relative device for estimating white gaussian noise that corrupts a digital image |
CN101018290A (zh) * | 2007-02-16 | 2007-08-15 | 北京中星微电子有限公司 | 一种图像处理方法和装置 |
US20080232665A1 (en) * | 2007-03-21 | 2008-09-25 | Anja Borsdorf | Method for noise reduction in digital images with locally different and directional noise |
EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
WO2010073251A2 (en) * | 2008-12-25 | 2010-07-01 | Medic Vision - Brain Technologies Ltd. | Denoising medical images |
WO2012001648A2 (en) * | 2010-06-30 | 2012-01-05 | Medic Vision - Imaging Solutions Ltd. | Non-linear resolution reduction for medical imagery |
WO2012057126A1 (ja) * | 2010-10-25 | 2012-05-03 | 株式会社 東芝 | 医用画像処理装置、医用画像撮影装置、及び医用画像処理方法 |
WO2012066568A1 (en) * | 2010-11-15 | 2012-05-24 | Indian Institute Of Technology | An improved ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system |
US20130071028A1 (en) * | 2011-09-16 | 2013-03-21 | Stepen N. Schiller | System and Method for Estimating Spatially Varying Defocus Blur in a Digital Image |
US20130202080A1 (en) * | 2012-02-07 | 2013-08-08 | Lifeng Yu | System and Method for Denoising Medical Images Adaptive to Local Noise |
WO2013176310A1 (ko) * | 2012-05-23 | 2013-11-28 | 서울대학교산학협력단 | 의료영상의 잡음 저감 방법 |
WO2014082441A1 (zh) * | 2012-11-30 | 2014-06-05 | 华为技术有限公司 | 噪声消除方法及装置 |
CN103150713A (zh) * | 2013-01-29 | 2013-06-12 | 南京理工大学 | 利用图像块分类稀疏表示与自适应聚合的图像超分辨方法 |
CN103208097A (zh) * | 2013-01-29 | 2013-07-17 | 南京理工大学 | 图像多方向形态结构分组的主分量分析协同滤波方法 |
US20140219552A1 (en) * | 2013-02-07 | 2014-08-07 | Mitsubishi Electric Research Laboratories, Inc. | Denoising of Images with Nonstationary Noise |
CN103179325A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 一种固定场景下低信噪比视频的自适应3d降噪方法 |
CN103236046A (zh) * | 2013-04-28 | 2013-08-07 | 南京理工大学 | 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法 |
US20140355877A1 (en) * | 2013-05-31 | 2014-12-04 | Fujitsu Limited | Method and apparatus for processing a gray image |
WO2014197658A1 (en) * | 2013-06-08 | 2014-12-11 | General Electric Company | Method and system for noise standard deviation estimation |
JP2016126418A (ja) * | 2014-12-26 | 2016-07-11 | サクサ株式会社 | 画像処理装置 |
CN104574417A (zh) * | 2015-01-27 | 2015-04-29 | 中国人民解放军国防科学技术大学 | 一种图像边缘灰度起伏性度量与自适应检测方法 |
CN104751423A (zh) * | 2015-03-16 | 2015-07-01 | 西安理工大学 | 一种基于共振子空间分析的医学图像去噪方法 |
CN104978715A (zh) * | 2015-05-11 | 2015-10-14 | 中国科学院光电技术研究所 | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 |
US20160371819A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
US20160371567A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
US20160371820A1 (en) * | 2015-06-17 | 2016-12-22 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for estimating blur |
CN105427269A (zh) * | 2015-12-09 | 2016-03-23 | 西安理工大学 | 一种基于wemd和pcnn的医学图像融合方法 |
CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
WO2017160829A1 (en) * | 2016-03-15 | 2017-09-21 | The Trustees Of Columbia University In The City Of New York | Method and apparatus to perform local de-noising of a scanning imager image |
WO2017193122A1 (en) * | 2016-05-06 | 2017-11-09 | Mayo Foundation For Medical Education And Research | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information |
CN106127711A (zh) * | 2016-06-23 | 2016-11-16 | 浙江工业大学之江学院 | shearlet变换和快速双边滤波器图像去噪方法 |
CN106097280A (zh) * | 2016-06-23 | 2016-11-09 | 浙江工业大学之江学院 | 基于正态逆高斯模型的医学超声图像去噪方法 |
CN107403416A (zh) * | 2017-07-26 | 2017-11-28 | 温州大学 | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 |
CN109118453A (zh) * | 2018-08-28 | 2019-01-01 | 西北核技术研究所 | 一种背景抑制的图像处理方法 |
CN109584319A (zh) * | 2018-12-05 | 2019-04-05 | 重庆邮电大学 | 一种基于非局部低秩和全变分的图像压缩感知重构算法 |
CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
CN110796625A (zh) * | 2019-10-30 | 2020-02-14 | 重庆邮电大学 | 一种基于组稀疏表示和加权全变分的图像压缩感知重构方法 |
CN111583286A (zh) * | 2020-04-09 | 2020-08-25 | 天津大学 | 基于Flow-XDoG算子的腹部MRI图像轮廓提取方法 |
CN112200750A (zh) * | 2020-10-21 | 2021-01-08 | 华中科技大学 | 一种超声图像去噪模型建立方法及超声图像去噪方法 |
Non-Patent Citations (2)
Title |
---|
KUPPUSAMY, P. G等: "A customized nonlocal restoration schemes with adaptive strength of smoothening for magnetic resonance images", 《BIOMEDICAL SIGNAL PROCESSING AND CONTROL》, vol. 49, 31 March 2019 (2019-03-31), pages 160 - 172 * |
海涛: "基于偏微分方程的图像分辨率增强研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 12, 15 December 2017 (2017-12-15), pages 138 - 106 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921800B (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
Rejeesh et al. | MOTF: Multi-objective Optimal Trilateral Filtering based partial moving frame algorithm for image denoising | |
El Mourabit et al. | A new denoising model for multi-frame super-resolution image reconstruction | |
US7529422B2 (en) | Gradient-based image restoration and enhancement | |
Akar | Determination of optimal parameters for bilateral filter in brain MR image denoising | |
Mrázek et al. | On robust estimation and smoothing with spatial and tonal kernels | |
US8818126B2 (en) | Method and apparatus for block-based image denoising | |
US20130202177A1 (en) | Non-linear resolution reduction for medical imagery | |
Zhang et al. | A single-image super-resolution method based on progressive-iterative approximation | |
CN108648162B (zh) | 一种基于噪声水平的梯度相关tv因子图像去噪去模糊方法 | |
Hossain et al. | Image enhancement based on logarithmic transform coefficient and adaptive histogram equalization | |
Chen et al. | A soft double regularization approach to parametric blind image deconvolution | |
CN107516302A (zh) | 一种基于OpenCV的混合图像增强的方法 | |
CN110570379B (zh) | 一种基于结构张量的非局部均值ct图像降噪方法 | |
CN114022384A (zh) | 一种基于各向异性扩散模型的自适应边缘保持去噪方法 | |
Polzehl et al. | Patch-Wise Adaptive Weights Smoothing in R | |
CN105574823B (zh) | 一种失焦模糊图像的去模糊方法和装置 | |
CN113129235A (zh) | 一种医学图像噪声抑制算法 | |
CN107590781A (zh) | 基于原始对偶算法的自适应加权tgv图像去模糊方法 | |
CN106530261B (zh) | 一种双动态模糊图像复原方法 | |
Zhang | Image denoising using multidirectional gradient domain | |
Bose et al. | A second‐generation wavelet framework for super‐resolution with noise filtering | |
CN109191391B (zh) | 一种衰减参数自适应非局部均值的图像降噪方法 | |
Kawai et al. | Image Inpainting Considering Brightness Change and Spatial Locality of Textures. | |
Smolka | Combined forward and backward anisotropic diffusion filtering of color images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |