没有合适的资源?快使用搜索试试~ 我知道了~
首页迭代规则化OSV模型在医学图像去噪中的应用
"基于OSV模型的迭代规则化医学图像去噪方法,通过加入纹理和细节震动信号修正去噪结果,保护图像细节和纹理" 在医学图像处理领域,图像去噪是一个至关重要的任务,因为噪声可能掩盖关键的诊断信息。本文提出的基于Osher-Sole-Vese (OSV) 模型的迭代规则化医学图像去噪方法,旨在解决传统去噪过程中可能会过度平滑细节和纹理信息的问题。OSV模型是一种用于图像分割的全变分模型,它基于水平集方法,可以有效地处理图像边缘和连续区域。 在该方法中,作者首先应用原始的OSV模型进行初步的图像去噪,然后引入迭代规则化步骤。这一过程的关键是分解图像为纹理和细节震动信号,这些信号被用来调整去噪结果,以保留图像的精细结构。通过迭代的方式,这种方法逐步优化去噪效果,避免过度平滑,从而更好地保持医学图像的细节和纹理信息。 实现这个方法的具体步骤包括: 1. 应用OSV模型对原始图像进行初步去噪,得到初步的无噪声图像。 2. 分析初步去噪图像,提取纹理和细节震动信号。 3. 将这些信号整合到去噪过程中,通过迭代算法更新图像,以修正过度平滑的部分。 4. 继续迭代直到达到预设的停止条件,如达到最大迭代次数或误差阈值。 实验结果显示,该迭代规则化方法在保护医学图像的细节和纹理方面表现出色,这对于医生进行精确的诊断和分析至关重要。因此,这种方法对于改善医学图像的质量和提高诊断准确性具有潜在的应用价值。 基于OSV模型的迭代规则化医学图像去噪方法提供了一种有效保护图像细节的策略,有助于提升医学图像分析的精度和可靠性。这种方法结合了全变分理论与迭代优化,为医学图像处理领域提供了新的研究方向和实用工具。
资源详情
资源推荐
书书书
第
36
卷
第
10
期
中
国
激
光
Vol.36
,
No.10
2009
年
10
月
犆犎犐犖犈犛犈犑犗犝犚犖犃犔犗犉犔犃犛犈犚犛
犗犮狋狅犫犲狉
,
2009
文章编号:
02587025
(
2009
)
10254804
基于
犗犛犞
模型的迭代规则化医学图像去噪方法
陈冠楠
1
,
2
陈
荣
1
林居强
1
黄祖芳
1
冯尚源
1
李永增
1
杨坤涛
2
1
福建师范大学医学光电科学与技术教育部重点实验室,福建 福州
350007
2
华中科技大学光电子科学与工程学院,湖北 武汉
( )
430074
摘要
提出一种基于
OsherSoleVese
(
OSV
)模型的迭代规则化医学图像去噪方法。该方法使用迭 代规则 化方 式,
通过加入分解出的纹理和细节震动信号以修正原始
OSV
模 型的 全变 分 去噪 结果,在 一定 程 度上 克服 了 医学 图像
去噪过程中对细节和纹理信息的过渡平滑
。同时给出 了 迭代 规则 化 医学 图像 去 噪方 法的 实 现步 骤。实 验结 果表
明,新方法能较好地保护医学图像的细节和纹理信息。
关键词
图像处理;医学图像去噪;
OSV
模型;迭代规则化;纹理和细节
中图分类号
TP391
文献标识码
A
犱狅犻
:
10.3788
/
犆犑犔20093610.2548
犐狋犲狉犪狋犻狏犲犚犲
犵
狌犾犪狉犻狕犪狋犻狅狀犇犲狀狅犻狊犻狀
犵
犕犲狋犺狅犱犅犪狊犲犱狅狀犗犛犞
犕狅犱犲犾犳狅狉犕犲犱犻犮犪犾犐犿犪
犵
犲犇犲狀狅犻狊犻狀
犵
犆犺犲狀犌狌犪狀狀犪狀
1
,
2
犆犺犲狀犚狅狀
犵
1
犔犻狀犑狌
狇
犻犪狀
犵
1
犎狌犪狀
犵
犣狌犳犪狀
犵
1
犉犲狀
犵
犛犺犪狀
犵狔
狌犪狀
1
犔犻犢狅狀
犵
狕犲狀
犵
1
犢犪狀
犵
犓狌狀狋犪狅
2
1
犓犲
狔
犔犪犫狅狉犪狋狅狉
狔
狅
犳
犗
狆
狋狅犲犾犲犮狋狉狅狀犻犮犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅
犵狔犳
狅狉犕犲犱犻犮犻狀犲犕犻狀犻狊狋狉
狔
狅
犳
犈犱狌犮犪狋犻狅狀
,
犉狌
犼
犻犪狀犖狅狉犿犪犾犝狀犻狏犲狉狊犻狋
狔
,
犉狌狕犺狅狌
,
犉狌
犼
犻犪狀
350007
,
犆犺犻狀犪
2
犆狅犾犾犲
犵
犲狅
犳
犗
狆
狋狅犲犾犲犮狋狉狅狀犻犮犛犮犻犲狀犮犲犪狀犱犈狀
犵
犻狀犲犲狉犻狀
犵
,
犎狌犪狕犺狅狀
犵
犝狀犻狏犲狉狊犻狋
狔
狅
犳
犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅
犵狔
,
犠狌犺犪狀
,
犎狌犫犲犻
430074
,
烄
烆
烌
烎
犆犺犻狀犪
犃犫狊狋狉犪犮狋
犜犺犻狊
狆
犪
狆
犲狉
狆
狉狅
狆
狅狊犲狊犪狀犻狋犲狉犪狋犻狏犲狉犲
犵
狌犾犪狉犻狕犪狋犻狅狀犱犲狀狅犻狊犻狀
犵
犿犲狋犺狅犱犫犪狊犲犱狅狀犗狊犺犲狉犛狅犾犲犞犲狊犲
(
犗犛犞
)
犿狅犱犲犾
犳狅狉犿犲犱犻犮犪犾犻犿犪
犵
犲犱犲狀狅犻狊犻狀
犵
.犅
狔
狌狊犻狀
犵
犻狋犲狉犪狋犻狏犲狉犲
犵
狌犾犪狉犻狕犪狋犻狅狀
,
狋犺犲狅狊犮犻犾犾犪狋犻狀
犵狆
犪狋狋犲狉狀狊狅犳狋犲狓狋狌狉犲犪狀犱犱犲狋犪犻犾狊犪狉犲犪犱犱犲犱
犫犪犮犽狋狅犳犻狋犪狀犱犮狅犿
狆
狌狋犲狋犺犲狅狉犻
犵
犻狀犪犾犗犛犞 犿狅犱犲犾
,
犪狀犱狋犺犲犻狋犲狉犪狋犻狏犲犫犲犺犪狏犻狅狉犪狏狅犻犱狊狅狏犲狉犳狌犾犾狊犿狅狅狋犺犻狀
犵
狑犺犻犾犲犱犲狀狅犻狊犻狀
犵
狋犺犲犳犲犪狋狌狉犲狊狅犳狋犲狓狋狌狉犲狊犪狀犱犱犲狋犪犻犾狊狋狅犪犮犲狉狋犪犻狀犲狓狋犲狀狋.犐狀犪犱犱犻狋犻狅狀
,
狋犺犲犻狋犲狉犪狋犻狏犲
狆
狉狅犮犲犱狌狉犲犻狊
狆
狉狅
狆
狅狊犲犱犻狀狋犺犻狊
狆
犪
狆
犲狉.
犈狓
狆
犲狉犻犿犲狀狋犪犾狉犲狊狌犾狋狊狊犺狅狑狋犺犪狋狋犺犲
狆
狉狅
狆
狅狊犲犱犿犲狋犺狅犱犮犪狀犪犮犺犻犲狏犲犪犫犲狋狋犲狉狉犲狊狌犾狋犻狀
狆
狉犲狊犲狉狏犲犻狀
犵
狋犺犲狋犲狓狋狌狉犲犪狀犱犱犲狋犪犻犾狊
犳狅狉犿犲犱犻犮犪犾犻犿犪
犵
犲犱犲狀狅犻狊犻狀
犵
.
犓犲
狔
狑狅狉犱狊
犻犿犪
犵
犻狀犲
狆
狉狅犮犲狊狊犻狀
犵
;
犿犲犱犻犮犪犾犻犿犪
犵
犲犱犲狀狅犻狊犻狀
犵
;
犗犛犞 犿狅犱犲犾
;
犻狋犲狉犪狋犻狏犲狉犲
犵
狌犾犪狉犻狕犪狋犻狅狀
;
狋犲狓狋狌狉犲犪狀犱犱犲狋犪犻犾
收稿日期:
20090622
;收到修改稿日期:
20090810
基金项目:国家自 然 科 学 基 金 (
60778046
,
60910106016
)、福 建 省 科 技 项 目 (
2008I0015
,
2008J0016
)和 卫 生 部 科 研 基 金
(
WKJ20082046
)资助课题。
作者简介:陈冠楠(
1980
—),男,讲师,博士,主要从事医学图像处理方面的研究。
Email
:
edado
@
163.com
通信联系人。
Email
:
chenr
@
f
j
nu.edu.cn
1
引
言
基于偏微分方程的医学图像去噪方法已公认为
具有显著效果的去噪技术
[
1
]
。常用的偏微分方程去
噪方法虽然可以去 除变化平 缓 的图像中 的 噪声
,同
时保持边缘结构信 息,但 对带有较 多 纹理和细 节 特
征的医学图像 的 去噪效果 却 不太理想
[
2
,
3
]
。目前有
关纹理和细节医学图像去噪技术主要包含两类
:一类
是自适应调整参数的全变分方法
[
4
,
5
]
,在不同尺度空
间下去噪,从而保持纹理;另一类将医学图像空间由
有界变差
(
犅犞
)空间上升到对偶(
犌
)空间
[
6
~
13
]
以保持
纹理和细节,两种方法均能在实例应用中达到一定的
效果,但是如何较好地去除噪声,需进一步研究。
下载后可阅读完整内容,剩余3页未读,立即下载
weixin_38747233
- 粉丝: 8
- 资源: 969
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- OptiX传输试题与SDH基础知识
- C++Builder函数详解与应用
- Linux shell (bash) 文件与字符串比较运算符详解
- Adam Gawne-Cain解读英文版WKT格式与常见投影标准
- dos命令详解:基础操作与网络测试必备
- Windows 蓝屏代码解析与处理指南
- PSoC CY8C24533在电动自行车控制器设计中的应用
- PHP整合FCKeditor网页编辑器教程
- Java Swing计算器源码示例:初学者入门教程
- Eclipse平台上的可视化开发:使用VEP与SWT
- 软件工程CASE工具实践指南
- AIX LVM详解:网络存储架构与管理
- 递归算法解析:文件系统、XML与树图
- 使用Struts2与MySQL构建Web登录验证教程
- PHP5 CLI模式:用PHP编写Shell脚本教程
- MyBatis与Spring完美整合:1.0.0-RC3详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功