针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;...针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;再采用四叉树(quad-tree,QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明:四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.31%,对比度提升了2.63%,熵提高了4.26%,运行时间下降了87.11%,证明了所提出方法的有效性.展开更多
针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种自适应广义总变分(ATGV)降噪算法。该算法考虑了传统广义总变分(TGV)算法在降噪时模糊图像边缘信息的缺点,把可以有效区分图像平滑区和细节区的直觉模糊熵应用...针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种自适应广义总变分(ATGV)降噪算法。该算法考虑了传统广义总变分(TGV)算法在降噪时模糊图像边缘信息的缺点,把可以有效区分图像平滑区和细节区的直觉模糊熵应用到传统TGV中,对图像的不同区域进行不同强度的去噪,从而达到保护图像细节的效果。该算法首先采用滤波反投影(FBP)算法得到低剂量CT重建图像;然后利用基于直觉模糊熵的边缘指示函数对传统TGV模型进行改进;最后用改进后的模型对重建图像进行降噪处理。采用Shepp-Logan模型和数字胸腔模型(thorax phantom)仿真低剂量CT重建图像来验证算法的有效性。实验结果表明,所提算法的归一化均方距离(NMSD)和归一化平均绝对距离(NAAD)均比总变分(TV)降噪算法和广义总变分(TGV)降噪算法小,且可分别获得26.90 d B和44.58 d B的峰值信噪比(PSNR)。该算法在去除条形伪影的同时可以较好地保持图像的边缘和细节信息。展开更多
文摘针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform,EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform,SVT)分别分解多波段图像;再采用四叉树(quad-tree,QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明:四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.31%,对比度提升了2.63%,熵提高了4.26%,运行时间下降了87.11%,证明了所提出方法的有效性.
文摘针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种自适应广义总变分(ATGV)降噪算法。该算法考虑了传统广义总变分(TGV)算法在降噪时模糊图像边缘信息的缺点,把可以有效区分图像平滑区和细节区的直觉模糊熵应用到传统TGV中,对图像的不同区域进行不同强度的去噪,从而达到保护图像细节的效果。该算法首先采用滤波反投影(FBP)算法得到低剂量CT重建图像;然后利用基于直觉模糊熵的边缘指示函数对传统TGV模型进行改进;最后用改进后的模型对重建图像进行降噪处理。采用Shepp-Logan模型和数字胸腔模型(thorax phantom)仿真低剂量CT重建图像来验证算法的有效性。实验结果表明,所提算法的归一化均方距离(NMSD)和归一化平均绝对距离(NAAD)均比总变分(TV)降噪算法和广义总变分(TGV)降噪算法小,且可分别获得26.90 d B和44.58 d B的峰值信噪比(PSNR)。该算法在去除条形伪影的同时可以较好地保持图像的边缘和细节信息。
基金National Nature Science Foundation of China(61127015,61605176)The Key Program for International S&T Cooperation Projects of China(2012DFA10680,2013DFR10150)The Youth S&T Research Fund of Shanxi Province of China(2013021028-1)
