【CN109961411A】非下采样剪切波变换医学CT图像去噪方法【专利】
一种基于剪切波系数处理的SAR图像降噪方法[发明专利]
![一种基于剪切波系数处理的SAR图像降噪方法[发明专利]](https://img.taocdn.com/s3/m/5d71ef12941ea76e59fa0477.png)
专利名称：一种基于剪切波系数处理的SAR图像降噪方法专利类型：发明专利
发明人：刘书君,吴国庆,张新征,徐礼培
申请号：CN201410490100.7
申请日：20140923
公开号：CN104217406A
公开日：
20141217
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于剪切波系数处理的SAR图像降噪方法。
属于数字图像处理技术领域。
它是利用图像剪切波变换后系数具有的稀疏特性，首先建立基于图像剪切波系数的稀疏表示模型，而后通过分段正交匹配追踪StOMP算法实现统计均值意义上稀疏表示系数的无偏估计，并将稀疏表示后的剪切波系数重构为降噪后图像；为弥补稀疏表示中丢失部分系数对图像细节的损失，并利用这部分系数对应的剪切波函数具有提取图像边缘细节的能力，针对图像在丢失系数对应的剪切波函数空间中投影重构的结果，结合基于能量泛函的总变分TV方法进一步迭代去噪，最终得到细节丰富的去噪图像，既抑制了SAR图像斑点噪声又保持了图像的细节纹理，可用于SAR图像降噪。
申请人：重庆大学
地址：400044 重庆市沙坪坝区沙正街174号
国籍：CN
更多信息请下载全文后查看。
医学图像处理中的噪声去除与图像增强技术研究
医学图像处理中的噪声去除与图像增强技术研究医学图像处理技术是当今医疗行业中必不可少的一种技术，它可以对医学图像进行数字化处理，提高医学图像的清晰度、精度和准确度，为医生们提供更好的医学图像，以便于更准确地诊断疾病和进行治疗。
医学图像处理中的噪声去除与图像增强技术研究是医学图像处理的关键内容。
1、医学图像中的噪声去除技术研究噪声是医学图像处理中常见的一个问题，它会影响医生对图像的判断和诊断。
医学图像中的噪声有多种形式，如几何畸变、点噪声、块噪声等。
因此，医学图像处理中的噪声去除技术也有很多种。
第一种是基于数学模型的噪声去除技术。
这种方法通过对医学图像的噪声特性进行研究，建立相应的数学模型，然后对医学图像进行数字化处理，以消除图像中的噪声。
这种方法效果比较好，但是存在处理时间长、需要较高的计算机配置等缺点。
第二种是基于滤波器的噪声去除技术。
这种方法可以快速地处理噪声，并且减少细节损失。
滤波器有很多种，如中值滤波器、高斯滤波器等。
不同的滤波器能够处理不同类型的噪声。
但是，在滤波器处理的过程中，可能会造成一些细节损失。
第三种是通过图像重构去除噪声。
这种方法是将图像分解成一系列小波，然后进行重构，以消除图像中的噪声。
这种方法可以同时处理各种类型的噪声，但是需要较高的计算机配置。
2、医学图像的增强技术研究医学图像增强技术是将医学图像进行数字化处理，以提高图像的质量和准确度。
医学图像增强技术有很多种，如灰度变换、直方图均衡、小波变换等。
第一种是灰度变换技术。
这种技术可以改变医学图像的亮度和对比度，以提高图像的清晰度和准确度。
通过对不同区域的图像进行灰度变换，可以使图像更加清晰和易于观察。
第二种是直方图均衡技术。
这种技术可以增强图像的对比度，并且可以使图像在视觉上更加平衡。
通过对图像直方图进行分析和处理，可以使图像的亮度和对比度更加均衡，从而提高图像的质量。
第三种是小波变换技术。
这种技术可以将医学图像分解成各个频率的小波信号，然后对各个频率进行增强处理，最后将增强后的信号合成为一张医学图像。
一种去除CT图像噪声的方法及装置
（19）中华人民共和国国家知识产权局（12）发明专利申请（10）申请公布号CN103186888A（43）申请公布日 2013.07.03（21）申请号CN201110462903.8（22）申请日2011.12.30（71）申请人GE医疗系统环球技术有限公司地址美国威斯康星州（72）发明人董淑琴;H·江;童晓蕾;王斌（74）专利代理机构中国专利代理(香港)有限公司代理人柯广华（51）Int.CI权利要求说明书说明书幅图（54）发明名称一种去除CT图像噪声的方法及装置（57）摘要本发明名称为“一种去除CT图像噪声的方法及装置”。
本发明涉及图像去噪技术领域，公开了一种去除CT图像噪声的方法及装置，该方法包括估计图像的组织权重、估计图像的噪声等级、计算去噪参数、对图像进行各向异性扩散滤波、对滤波输出的图像进行边缘增强、对图像进行细节增强及对比度修正、裁切图像并输出结果的步骤。
本装置包括用于估计图像的组织权重的模块，用于估计图像的噪声等级的模块，用于计算去噪参数的模块，用于对图像进行各向异性扩散滤波的模块，用于对滤波输出的图像进行边缘增强的模块，用于对图像进行细节增强及对比度修正的模块，用于裁切图像并输出结果的模块。
本方法及装置能够在有效去除CT图像高频噪声的同时，保持图像的边缘及原有的对比度。
法律状态法律状态公告日法律状态信息法律状态2013-07-03公开公开2013-07-03公开公开2015-01-21实质审查的生效实质审查的生效2015-01-21实质审查的生效实质审查的生效2017-11-21授权授权权利要求说明书一种去除CT图像噪声的方法及装置的权利要求说明书内容是....请下载后查看说明书一种去除CT图像噪声的方法及装置的说明书内容是....请下载后查看。
医学影像中的噪声去除与图像增强算法
医学影像中的噪声去除与图像增强算法近年来，随着医学成像技术的不断发展，医学影像在临床诊断和研究中得到了广泛应用。
然而，在实际应用中，随之带来的一些问题也逐渐浮现，最主要的就是医学影像中的噪声问题。
由于噪声会对影像质量产生很大的影响，噪声去除和图像增强算法成为了研究的重点。
一、医学影像中的噪声噪声是指随机错误或干扰造成的影响，是影像中的一种不良信号。
医学影像中的噪声来自于多种因素，如患者的居住环境、患者的生理状态、影像设备的性能等等。
这些因素都会对最终得到的影像质量产生很大的影响。
常见的医学影像噪声包括高斯噪声、泊松噪声、伪影、运动伪影等。
其中，高斯噪声是指在空间域中，由于电子器件本身的噪声、电磁辐射干扰等原因，使得图像的灰度值产生了随机扰动。
泊松噪声则是由于光子统计性质的随机性，在低剂量下，每个像素接收的光子数较少，图像中的像素值就会随机变化。
伪影和运动伪影则是由于医学设备中的机械、电学或软件问题引起的。
二、噪声去除算法噪声去除算法是指将图像中的噪声进行减除或压制，以提高图像质量的算法。
目前主要的噪声去除方法包括基于滤波的方法、小波变换等。
1. 基于滤波的方法基于滤波的方法是一种常见的噪声去除方法。
常见的方法包括中值滤波、均值滤波、高斯滤波等。
其中，中值滤波是指用区域内像素值的中值代替当前像素值，以达到消除噪声的目的。
均值滤波则是计算图像中像素在窗口内像素的平均值来进行噪声消除。
高斯滤波则是基于一张图卷积核对图像进行滤波，消除噪声的同时也会对图像进行模糊处理。
2. 小波变换小波变换是一种经典的信号处理方法，它可以将信号分解为多个分别描述不同频率和时域特征的小波系数。
小波变换的特点是可以从时间域和频率域两个方面分析信号，因此可以很好的处理时域和频域信息的混合问题。
在医学影像中，小波变换常用于去除高斯噪声和泊松噪声。
三、图像增强算法图像增强算法是指对图像进行加强和优化，以使得图像的质量更好，更符合人类视觉的要求。
一种图像去噪方法[发明专利]
![一种图像去噪方法[发明专利]](https://img.taocdn.com/s3/m/d083d81e0242a8956aece493.png)
专利名称：一种图像去噪方法
专利类型：发明专利
发明人：霍超颖,邢笑宇,韦笑,殷红成,李晨光申请号：CN201910007119.4
申请日：20190104
公开号：CN109741278A
公开日：
20190510
专利内容由知识产权出版社提供
摘要：本发明公开了一种图像去噪方法，涉及图像处理技术领域。
本发明的图像去噪方法包括：将待处理图像转换为灰度图像；对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块；对于所述多个图像块中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值，将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点；对所述灰度图像中的所有带状噪声点进行去噪处理。
通过以上步骤，能够有效地去除ISAR图像中的噪声，尤其是带状噪声，进而提高图像质量，降低后续目标特征提取与识别的难度。
申请人：北京环境特性研究所
地址：100854 北京市海淀区永定路50号
国籍：CN
代理机构：北京格允知识产权代理有限公司
更多信息请下载全文后查看。
一种CT图像的去噪方法发明专利
在本求解过程中，只需计算b x，b y，减少了计算d x，d y的过程，而且减少了对所述第一像素点的四邻域点的访问，简化了计算步骤，减少计算量，提高了CT系统的重建性能。
在步骤270，判断是否满足收敛条件。
在一些实施例中，收敛条件为||u k-u k-1|| 2<tol。
若收敛条件满足，则执行步骤280，输出第一参数u，若收敛条件不满足，则返回步骤230，继续迭代。
在一些实施例中，也可以通过判断迭代次数是否达到预期迭代次数从而确定是否要结束迭代过程。
以上所述仅为本发明的优选实施而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
一种基于非抽样LP的Contourlet变换图像去噪方法
一种基于非抽样LP的Contourlet变换图像去噪方法王发牛;梁栋;程志友;唐俊【期刊名称】《中国图象图形学报》【年(卷),期】2009(014)003【摘要】由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法.该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP 重建,以得到去噪后的图像.与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上.【总页数】5页(P458-462)【作者】王发牛;梁栋;程志友;唐俊【作者单位】安徽大学电子科学与技术学院,合肥,230039;安徽大学电子科学与技术学院,合肥,230039;安徽大学电子科学与技术学院,合肥,230039;安徽大学电子科学与技术学院,合肥,230039【正文语种】中文【中图分类】P391.41【相关文献】1.一种无抽样Contourlet变换的图像去噪方法 [J], 王发牛;梁栋;程志友;唐俊2.基于Contourlet变换的图像非局部Bayes阈值去噪方法 [J], 王迪;傅博3.基于Contourlet变换的图像非局部Bayes阈值去噪方法 [J], 王迪;傅博4.基于非抽样Contourlet变换的红外图像和可见光图像融合算法 [J], 何国栋;梁栋;姚红;夏颖;李新华5.一种基于非抽样contourlet变换的图像增强方法 [J], 李诚;骆且;杜宇人因版权原因，仅展示原文概要，查看原文内容请购买。
基于快速非局部均值和TV-L1模型的剪切波变换医学CT图像去噪方法[发明专利]
![基于快速非局部均值和TV-L1模型的剪切波变换医学CT图像去噪方法[发明专利]](https://img.taocdn.com/s3/m/42ba84985acfa1c7ab00ccd9.png)
专利名称：基于快速非局部均值和TV-L1模型的剪切波变换医学CT图像去噪方法
专利类型：发明专利
发明人：张聚,陈坚,吕金城,周海林
申请号：CN201811219779.0
申请日：20181019
公开号：CN109598680A
公开日：
20190409
专利内容由知识产权出版社提供
摘要：基于快速非局部均值和TV‑L1模型的剪切波变换医学CT图像去噪方法，包括如下步骤：步骤1)建立医学CT图像模型；步骤2)对图像进行剪切波变换多尺度和多方向分解得到一个低频子带和多个高频子带；步骤3)使用TV‑L1模型分解图像为cartoon和texture部分，并取低频子带和cartoon得混合图；步骤4)对混合图应用利用积分图像技术加速得到的快速非局部均值去噪，得到新的低频子带；步骤5)对高频子带的剪切波系数进行阈值收缩处理；步骤6)对处理后的系数进行剪切波逆变换，得到去噪后的医学CT图像。
本发明通过实验分析与传统的去噪领域算法进行了对比，有效的应用在医学CT去噪领域，能够更好的有利于医师的分析诊断。
申请人：浙江工业大学
地址：310014 浙江省杭州市下城区潮王路18号
国籍：CN
代理机构：杭州天正专利事务所有限公司
更多信息请下载全文后查看。
基于免疫克隆选择的非下采样轮廓波域图像去噪方法[发明专利]
![基于免疫克隆选择的非下采样轮廓波域图像去噪方法[发明专利]](https://img.taocdn.com/s3/m/a8428e6f84868762cbaed526.png)
专利名称：基于免疫克隆选择的非下采样轮廓波域图像去噪方法
专利类型：发明专利
发明人：常霞,高岳林,黄永东,纪峰,马自萍,万仁霞,孙滢
申请号：CN201110352102.6
申请日：20111109
公开号：CN102509268A
公开日：
20120620
专利内容由知识产权出版社提供
摘要：本发明涉及图像处理技术在图像去噪领域中的应用，尤其是基于免疫克隆选择的非下采样轮廓波域图像去噪方法，其特点是，包括如下步骤：(1)输入含噪图像X，并对其进行L层非下采样轮廓波分解，得到不同尺度上的高频方向子带{D(m，n)，0≤l≤L-1，1≤i≤k}和低频子带A(m，n)，k为尺度2上高频方向子带的数目，D(m，n)表示含噪图像在尺度2上的第i个高频方向子带上，处于(m，n)像素位置的系数，L为3～5；(2)通过免疫克隆选择法，搜索不同尺度各个高频方向子带的最优去噪阈值{T，0≤l≤L-1，1≤i≤k}；与现有技术相比，无需知道图像噪声的确切特性，由于采用免疫克隆选择法对去噪阈值进行搜索，可以搜索到更佳的去噪阈值；由于采用非下采样轮廓波变换，可以有效避免因变换工具缺乏平移不变性而产生的抖动失真。
申请人：北方民族大学
地址：750021 宁夏回族自治区银川市西夏区文昌北路204号
国籍：CN
代理机构：宁夏专利服务中心
代理人：赵明辉
更多信息请下载全文后查看。
一种基于非下采样剪切波变换的医学图像配准方法
一种基于非下采样剪切波变换的医学图像配准方法刘益含;闫德勤;王洪东【期刊名称】《计算机应用研究》【年(卷),期】2015(000)005【摘要】针对经典弹性配准方法在医学图像应用上计算复杂、方向信息不足的问题进行了研究，提出一种基于非下采样剪切波变换（NSSTR）的医学图像配准方法。
利用剪切波能够对各个尺度、方向和位置实现较好定位的优势，先用该算法对医学图像作非下采样剪切波变换，得到各尺度、方向子带的剪切系数，然后对高频、低频的变换图像分别使用不同的配准方法，最后统一到变化网格上得到最终配准图像。
实验结果表明，本方法与传统方法相比，不仅具有配准精度高、鲁棒性好的特点，而且计算效率更高。
%The computational complexity of medical imaging and insufficient direction information are the drawbacks of classi-cal elastic registration methods.Based on the study for the problem,this paper proposed a new medical image registration algo-rithm based on non-subsampled shearlet transform(NSSTR).In the method,it used the privilege that shearlet could locate each scale,direction and position.Firstly,the algorithm used non-subsampled shearlet transform on medical image to obtain scale,di-rection of subband shear coefficient,then adopted different registration methods for high frequency and low frequency images respectively.Finally,the algorithm got changing grid and registration image.Experiments show that the new proposed method outperformstraditional methods in the aspect of registration precision and robustness.Especially the algorithm is with higher computational efficiency.【总页数】3页(P1586-1588)【作者】刘益含;闫德勤;王洪东【作者单位】辽宁师范大学计算机与信息技术学院，辽宁大连 116081;辽宁师范大学计算机与信息技术学院，辽宁大连 116081;辽宁师范大学计算机与信息技术学院，辽宁大连 116081【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于非下采样Contourlet变换的自适应阈值去噪方法 [J], 黄宇达;魏霞;王迤冉;孙涛2.一种基于非下采样Contourlet变换的子带自适应阈值去噪方法 [J], 杨鹏3.一种基于非下采样Contourlet变换的自适应水印方法 [J], 刘大瑾;叶建兵4.基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法 [J], 邢雅琼;王晓丹;梁兵杰;秦卓5.基于非下采样剪切波变换的多聚焦图像融合新方法 [J], 张翠英因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910186481.2
(22)申请日 2019.03.12
(71)申请人 浙江工业大学之江学院
地址 312030 浙江省绍兴市柯桥区柯华路
958号
(72)发明人 张聚 陈坚 周海林 吕金城
(74)专利代理机构 杭州天正专利事务所有限公
司 33201
代理人 王兵 黄美娟
(51)Int.Cl.
G06T 5/00(2006.01)
G16H 50/20(2018.01)
(54)发明名称非下采样剪切波变换医学CT图像去噪方法(57)摘要非下采样剪切波医学CT图像去噪方法，包括如下步骤：步骤1)医学CT扫描图像模型建立；步骤2)对CT图像进行NSST多尺度分解和多方向分解得到一个低频子带和多个高频子带；步骤3)使用快速几何纹理分解将原图像分解为平滑的几何部分和包含噪声的纹理部分，并取几何部分分量和低频子带相融合；步骤4)采用三边滤波法降噪处理融合后的新低频分量，得到新的低频子带；步骤5)采用自适应阈值收缩法处理经剪切波变换后的高频子带系数；步骤6)结合处理后的低频分量和高频分量进行NSST重构，得到去噪后的医学CT图像。
本发明通过实验分析与传统的去噪领域算法进行了对比，有效的应用在医学CT去噪领域，
能够更好的有利于医师的分析诊断。
权利要求书3页 说明书8页 附图4页CN 109961411 A 2019.07.02
C N 109961411
A
1.非下采样剪切波变换医学CT图像去噪方法，包括以下步骤：
步骤1)医学CT扫描图像模型建立；
医学CT图像即计算机断层扫描，X射线从几个不同的方位和角度扫描人体固定部位交由计算机处理扫描得到的不同横断面建立图像，从而让医生和患者等看到特定检查区域的扫描对象，进而进行医学判断；但是强度过低的发射电流会产生大量的高斯噪声，使得图像质量降低，会影响观察判断结果；
可分两部分建立CT图像的模型，这两部分分别是医学观察所需的人体组织反射信号以及阻碍医学观察的噪声信号，其中噪声信号还可以分为乘性噪声和加性噪声，从影响观察的角度看来加性噪声相比与乘性噪声对CT图像的影响非常微小，所以在处理中一般忽略加性噪声；因此CT电信号的通用模型就表示为：
o(x ,y)＝p(x ,y)q(x ,y) (1)
式中，x表示CT图像的横坐标，y表示图像的纵坐标，p(x ,y)表示无噪信号，q(x ,y)表示乘性噪声；
由于相加的噪声模型比相乘噪声的模型更容易分离，所以对以上式(1)的模型进行对数变换变换成相加的模型，表示为：
log(o(x ,y))＝log(p(x ,y))+log(q(x ,y)) (2)
步骤2)对CT图像进行NSST多尺度分解和多方向分解；
首先把对数变换后的便于噪声分离的CT图像进行多尺度分解，多尺度分解后得到一张和原图等大小的低频CT图像分量和多张同样与原图等大小的高频CT图像分量；在这一步骤中不处理低频分量，对其处理将在步骤3)中进行，经尺度分解得到的各个高频分量子带使用剪切滤波器组处理，即使用剪切滤波器组对各个子带进行方向分解；
步骤3)使用快速几何纹理分解将原图像分解为平滑的几何部分和包含噪声的纹理部分；
快速几何纹理分解将原图像分解为平滑的几何部分以及包含噪声的纹理部分；快速几何纹理分解通过使用高通滤波器在保留图像的主要特征的基础上可以有效地提取纹理，通过建立一个包含局部指示器的非线性滤波器来确定图像的局部是属于纹理部分还是属于几何部分；其纹理部分和几何部分的主要区别是：纹理区域的主要特征是因为其振荡所造成的高度全变分差，相反几何局部区域的主要特点是其全变差不会受到低通滤波的影响；其局部全变分可以表示为如下式子：
LTV σ(f)(x):＝L σ*|Df|(x) (3)
其中σ表示纹理尺度，|Df|表示为变分差，L σ*|Df|即为局部范围的变分差，在利用局部
全变分降噪的过程中其相对局部折减率可以表示为：
反映在图像上的意义可以理解为函数的局部振荡行为，
当折减率接近于0的时候就有：也就是说在折减率接近于0的时候低通滤波器对局部全变差的减小影响非常小，如果
权 利 要 求 书1/3页2CN 109961411 A。