超声与水下图像去噪增强研究：结构张量与小波变换的应用

“结合结构张量的图像去噪及其增强的研究”是华中科技大学硕士研究生谢成的一篇学位论文，主要探讨了如何利用结构张量和小波变换进行图像去噪和增强，尤其针对超声图像的斑纹噪声和水下图像的周期噪声问题。 在图像处理领域，噪声是一个普遍存在的问题，它会干扰图像中的关键信息，如在超声成像中，斑纹噪声可能使脏器边缘模糊，影响病灶识别。同样，水下图像由于环境因素常常呈现出模糊的边缘，降低了目标识别和定位的准确性。因此，有效地去除噪声并保持图像的边缘细节至关重要。 论文指出，传统的去噪方法往往在消除噪声的同时损害了图像的边缘信息，这对于超声图像和水下图像这类对边缘细节要求较高的场景是不理想的。为了解决这一问题，论文提出了结合结构张量和小波变换的去噪算法。结构张量是一种强大的工具，它可以提供比梯度边缘算子更多的信息，包括图像目标的边缘、形状和角点等结构特性。通过非线性结构张量，可以更精确地捕捉这些信息。 论文将非线性结构张量引入到小波变换的多尺度环境中，利用结构张量和小波系数之间的关系，可以在不同尺度上区分边缘信息和噪声。通过对含有噪声和边缘高频信息的小波系数进行有针对性的修正，提高边缘结构信息和噪声之间的区分度，从而在去噪过程中更好地保护边缘。此外，论文还采用改进的小波阈值萎缩法，进一步提升了去噪效果，确保边缘信息的完整性。 对于水下图像，即使经过去噪处理，仍然可能出现目标亮度不均匀的问题。为解决此问题，论文提出了一种基于模糊模型的图像增强算法。该算法遵循最大模糊熵原则，动态调整变换参数，以实现更佳的图像增强效果。 关键词涉及超声图像、斑纹噪声、水下图像、周期噪声、结构张量以及图像增强。这篇论文为图像处理提供了新的思路，特别是在医疗成像和水下视觉领域，有助于提升图像质量和分析精度。