-
题名一种基于深度学习的自适应医学超声图像去斑方法
被引量：4
- 1
-
-
作者
付晓薇
杨雪飞
陈芳
李曦
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室
华中科技大学材料成形与模具技术国家重点实验室
武汉科技大学校医院超声影像科
华中科技大学人工智能与自动化学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第7期1782-1789,共8页
-
基金
国家自然科学基金(61873323)
材料成形与模具技术国家重点实验室开放课题研究基金(P2018-016)
+2 种基金
湖北省自然科学基金(2017CFB506)
智能信息处理与实时工业系统湖北省重点实验室开放课题项目(2016znss02A,znxx2018ZD01)
大学生科技创新基金项目(18ZRA076)。
-
文摘
针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法。首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训练去斑模型并获得去斑后的图像。实验结果表明,该文较已有的方法,能更有效地滤除医学超声图像中的斑点噪声并更多的保留图像细节。
-
关键词
超声图像
深度学习
多曝光融合框架
乘性斑点噪声
-
Keywords
Ultrasound image
Deep learning
Multi-exposure fusion framework
multiplicative speckle noise
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名一种新的全变分块匹配声呐图像降噪算法研究
被引量：2
- 2
-
-
作者
徐慧朴
朱莉娟
-
机构
大连海事大学船舶电气工程学院
-
出处
《图学学报》
CSCD
北大核心
2018年第6期1092-1097,共6页
-
基金
中央高校基本科研业务费(3132017128)
-
文摘
乘性斑点噪声广泛存在于声呐图像中,严重影响图像质量,该噪声服从瑞利分布特性。为此,结合基于全变分算法与三维块匹配图像降噪算法(BM3D)设计思路,提出了一种新的全变分块匹配声纳图像降噪算法。首先对含噪声呐图像利用2-范数进行块匹配分组;其次由于声呐图像模糊、纹理细节信息较少等特点,用全变分算法对分组后的图像块进行滤波降噪;最后对滤波后的图像块进行加权聚类得到降噪后图像。经过实验结果显示,该算法相对于经典的Lee滤波、Frost滤波、BM3D和全变分算法有更好的降噪效果。
-
关键词
声呐图像
乘性斑点噪声
全变分
图像降噪
块匹配
-
Keywords
sonar image
multiplicative speckle noise
total variation
image denoising
blockmatching
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合图像恢复的遥感数据变分分割方法研究
被引量：1
- 3
-
-
作者
田佑仕
黄宝香
姜涛
李亚静
-
机构
青岛大学计算机科学技术学院
海军
-
出处
《青岛大学学报（自然科学版）》
CAS
2020年第4期1-8,共8页
-
基金
国家自然科学基金(批准号:61602269)资助
中国博士后科学基金(批准号:2015M571993)资助
山东省自然科学基金面上项目(批准号:ZR2017MD004)资助。
-
文摘
由于合成孔径雷达(SAR)图像中存在大量的乘性斑点噪声,导致在使用现有的变分分割方法进行SAR图像分割时无法得到理想的结果。为此,设计了针对SAR图像斑点噪声的数据项,并将其引入到SAR图像分割中,提出了一种新的融合乘性噪声去除的SAR图像分割模型,然后采用交替方向乘子法(ADMM)对其进行了有效地求解。在多幅合成图像和真实SAR图像上开展的实验表明,该方法具有良好的抗噪性,能够获得更准确的分割结果。
-
关键词
SAR图像分割
乘性斑点噪声
变分水平集方法
GAMMA分布
ADMM方法
-
Keywords
SAR image segmentation
multiplicative speckle noise
variational level set method
Gamma distribution
ADMM method
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名斑点噪声分布拟合的乳腺超声病灶分割方法
被引量：5
- 4
-
-
作者
杨谊
喻德旷
申洪
-
机构
南方医科大学
-
出处
《中国体视学与图像分析》
2014年第2期103-111,共9页
-
基金
广东省科技计划项目(2010B060300001)
广东省产学研项目2011B090400037
-
文摘
乳腺超声图像常存在斑点噪声,给自动分割带来了一定干扰。为了提升图像质量而进行的去噪操作可能导致病灶边界信息的损失。本文探索将噪声处理融合到分割中而提出新方法,采用统计特征概率分布形式描述乘性斑点噪声分布并融入水平集模型,从而将图像去噪与目标分割结合成一个统一体,实现此类型噪声分布图像的高效自动分割。本文方法对人工合成图像分割得到了较好的效果,对真实乳腺超声图像病灶的分割测试实现了速度提升,在分割精度方法则显示出分化结果,通过分析原因指出探索性的改进措施。
-
关键词
水平集方法
乘性斑点噪声
概率密度分布
乳腺超声病灶分割
-
Keywords
level set method
multiple speckle noise
probability density distribution
breast ultrasoundlesion segmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
