检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

图像修复的方向梯度TV模型研究

引用

吉林师范大学学报（自然科学版） 2012年第2期33卷 1-7页

作者：王相海王爽方玲玲辽宁师范大学计算机与信息技术学院辽宁大连116029 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 苏州大学计算机科学与技术学院江苏苏州215006

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(... 详细信息

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.

关键词：图像修复变分模型方向梯度边缘引导函数灰度差分

基于改进的CV-RSF模型的甲状腺结节超声图像自适应分割算法

在线全文

学校读者我要写书评

暂无评论

引用

北京生物医学工程 2020年第3期39卷 251-256页

作者：邵蒙恩严加勇崔崤峣于振坤上海理工大学医疗器械与食品学院上海200093 上海健康医学院附属周浦医院上海201318 中科院苏州生物医学工程技术研究所江苏苏州215163 南京同仁医院南京211102

目的甲状腺结节超声图像的精确分割对甲状腺结节的良恶性诊断尤为重要。目前,对于甲状腺结节超声图像的分割,有学者提出利用主动轮廓模型分割算法,但是由于活动轮廓分割算法需要手动设置迭代次数,未实现模型的自适应性。因此,本文提出... 详细信息

目的甲状腺结节超声图像的精确分割对甲状腺结节的良恶性诊断尤为重要。目前,对于甲状腺结节超声图像的分割,有学者提出利用主动轮廓模型分割算法,但是由于活动轮廓分割算法需要手动设置迭代次数,未实现模型的自适应性。因此,本文提出了一种基于改进的无边缘主动轮廓-局部区域可控的拟合(Chan-Vese-region scalable fitting,CV-RSF)模型的甲状腺结节超声图像自适应分割算法。方法选取南京同仁医院12例患者的甲状腺结节超声图像用于实验。首先,在无边缘主动轮廓(Chan-Vese,CV)模型中,引入一个基于梯度的边缘引导函数,根据面积变化率,自适应地获取甲状腺结节的粗分割轮廓;然后,将粗分割轮廓作为局部区域可控的拟合(region-scalable fitting,RSF)模型的初始轮廓,并根据面积变化率,自适应地获取甲状腺结节最终分割结果。将改进模型分割的结果与CV模型、RSF模型分割的结果进行比较,并分析甲状腺结节边缘清晰度对分割结果的影响。结果本文模型算法分割结果的平均迭代次数、平均面积重叠率、平均Hausdorff分别达到了134、90.34%、9.77,均优于CV模型、RSF模型的分割算法。结论该算法有效地分割出边缘清晰和不清晰的甲状腺结节超声图像,并解决手动设置迭代次数的问题,从而实现甲状腺结节的有效、准确、自动分割。

关键词： CV-RSF模型边缘引导函数甲状腺结节超声图像自适应分割算法

在线全文

学校读者我要写书评

暂无评论

基于改进总变分算法的遥感图像去噪方法研究

引用

通化师范学院学报 2014年第10期35卷 27-31页

作者：张洪为宋芳芳通化师范学院数学学院吉林通化134002

遥感图像在成像和传输过程中所受到的大量噪声干扰在很大程度上影响了图像的质量和使用.近年来,基于PDE(Partial Differential Equation)的图像去噪因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在... 详细信息

遥感图像在成像和传输过程中所受到的大量噪声干扰在很大程度上影响了图像的质量和使用.近年来,基于PDE(Partial Differential Equation)的图像去噪因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的去除噪声的同时很好的保留图像的细节信息成为遥感图像滤波所追求的目标.本文首先对原有的总变分模型(TV模型)及其改进模型(M-模型)的基本原理及其所存在的不足进行了分析,在此基础上,提出一种基于标准梯度和边缘引导函数的全变分改进模型,该模型克服了传统TV模型容易产生"阶梯效应",以及M-模型在去噪的同时会对图像过度平滑、容易丢失纹理细节信息的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理细节信息.实验结果验证了所提出模型的稳定性和有效性.

关键词：遥感图像去噪总变分标准梯度边缘引导函数