|
|
|
|
基于OSV模型的迭代规则化医学图像去噪方法
|
|
【护理类毕业论文】摘 要：提出一种基于Osher-Sole-Vese(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
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。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。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，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(BV)空间上升到对偶(G)空间以保持纹理和细节，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。
在第二类方法中，对于医学图像去噪和分解模型的工作主要集中在寻找适合于表示纹理和细节的震动信息的范数，同时减少阶梯现象。但其使用不同的范数依然会产生带有纹理和细节信息的丢失。本文将对Osher-Sole-Vese(0SV)模型”引入迭代规则化方法，修正丢失的纹理和细节信息，以达到较好的医学图像去噪效果。
2 基于OSV模型的迭代规则化去噪方法
首先引入Meyer提出的震动特征分解方法将图像分解为两个部分，即f=u+v，其中u表示图像分解中生成的图像结构特征信息，而v表示纹理合细节或噪声信息。该模型从理论角度阐述了震动分解，并在全变分最小化基础上建立了图像去噪与图像分解理论。该理论通过使用G空间对BV空间的进一步改进和延伸。
在此类方法中，对于医学图像去噪方法主要精力集中在寻找更适合表示纹理和细节信息v的范数，并将其分解出来，并使用全变差正则化对边缘保护，达到
|
|
|
|
<<<<<全文未完>>>>> 全文字数约1577字
|
要阅读全文请先注册成VIP会员！详情请阅读会员专区！
VIP会员可以阅读全文， 欢迎加入VIP会员专区！ 加入VIP会员步骤如下：
注册用户名→在线购卡
|
|
|
|
广告服务