CN109003230A - 一种切伦科夫荧光图像冲击噪声去除方法及系统 - Google Patents
一种切伦科夫荧光图像冲击噪声去除方法及系统 Download PDFInfo
- Publication number
- CN109003230A CN109003230A CN201810581047.XA CN201810581047A CN109003230A CN 109003230 A CN109003230 A CN 109003230A CN 201810581047 A CN201810581047 A CN 201810581047A CN 109003230 A CN109003230 A CN 109003230A
- Authority
- CN
- China
- Prior art keywords
- image
- cherenkov
- fluorescent image
- median
- row
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000003287 optical effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims 1
- 238000012546 transfer Methods 0.000 abstract description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 4
- 230000003362 replicative effect Effects 0.000 description 4
- 241000699660 Mus musculus Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011580 nude mouse model Methods 0.000 description 3
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000005466 cherenkov radiation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- PIWKPBJCKXDKJR-UHFFFAOYSA-N Isoflurane Chemical compound FC(F)OC(Cl)C(F)(F)F PIWKPBJCKXDKJR-UHFFFAOYSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229960002725 isoflurane Drugs 0.000 description 1
- 230000000155 isotopic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 230000005740 tumor formation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像数据处理领域,公开了一种切伦科夫荧光图像冲击噪声去除方法及系统,复制光学探测器采集到的原始切伦科夫荧光图像边缘,对图像进行扩展;以扩展图像除边缘以外的像素为中心点,取3×3窗口内的9个像素值,从小到大进行排序,得到中间值,中间值构成的图像为中值图像;计算原始切伦科夫荧光图像与中值图像的差值图像;计算差值图像中各个像素的模糊值;根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。去除冲击噪声时需要利用排序法求中值、减法求差值图像、乘法与加法求滤除噪声后的切伦科夫荧光图像,涉及的操作仅为排序、减法、乘法与加法,实现简单。
Description
技术领域
本发明属于图像数据处理或产生技术领域,尤其涉及一种切伦科夫荧光图像冲击噪声去除方法及系统。
背景技术
1934年,Cerenkov发现高能粒子在导电介质中传输速度超过光速时,会产生切伦科夫辐射现象。切伦科夫辐射过程中,会产生分布在紫外和可见光波段的光子。2009年,Robertson等人利用光学探测器探测放射性核素切伦科夫辐射过程中发出的光子,并将其命名为切伦科夫荧光成像。切伦科夫荧光成像以临床应用的核素作为示踪剂,具有成本低,成像时间短的特点,在预临床研究以及临床肿瘤细胞切除等领域应用广泛。采集切伦科夫荧光图像过程中,由于高能伽马粒子辐射到光学探测器,在采集到的切伦科夫荧光图像中包含冲击噪声。冲击噪声幅度明显大于周围像素,离散分布在整幅图像中。严重时,目标的荧光信号被冲击噪声淹没,对切伦科夫荧光成像造成干扰,必须采取有效的方法对噪声进行抑制。现有切伦科夫荧光图像冲击噪声抑制技术可以分为3大类,一类采用经典的空域中值滤波方法进行噪声抑制,该方法能有效滤除噪声,但是将每个像素都替换为其对应空域窗口所有像素的中间值,有用图像的灰度和形状发生改变,从而产生失真;一类采用时域中值滤波,该方法需要采集多幅切伦科夫荧光图像,采集时间长,同时由于将所有像素替换成时域窗口内的中值,有用图像的灰度和形状发生改变,从而产生失真;一类采用基于聚类的方法,将图像中的像素分类为噪声图像、背景图像和有用图像,再采用图像修补的方法对噪声进行抑制,聚类需要循环计算类中心以及像素点到类中心的距离,图像修补循环计算图像曲率变化,算法需要经过多次迭代才能收敛,运算复杂,处理时间长。
综上所述,现有技术存在的问题是:
(1)采用经典的空域中值滤波方法进行噪声抑制,该方法能有效滤除噪声,但是有用图像的灰度值和形状会发生改变,出现失真。
(2)采用时域中值滤波,该方法需要采集多幅切伦科夫荧光图像,采集时间长,同时由于对所有像素进行滤波操作,有用图像灰度值和形状发生改变,出现失真。
(3)采用基于聚类的方法,将图像分为噪声、背景和有用信号,再采用图像修补的方法对噪声进行抑制,聚类需要循环计算类中心以及像素点到类中心的距离,图像修补循环计算图像曲率变化,算法需要经过多次迭代才能收敛,运算复杂,处理时间长。
解决上述技术问题的难度和意义:在利用操作简单、易于实现的方法去除冲击噪声的同时保持有用图像不发生失真,为后续基于切伦科夫荧光成像的定量分析提供准确的原始数据。
发明内容
针对现有技术存在的问题,本发明提供了一种切伦科夫荧光图像冲击噪声去除方法及系统。
本发明是这样实现的,一种切伦科夫荧光图像冲击噪声去除方法,所述切伦科夫荧光图像冲击噪声去除方法包括:复制光学探测器采集到的原始切伦科夫荧光图像边缘,对图像进行扩展;以扩展图像的元素为中心点,取3×3窗口内的9个值,从小到大进行排序,得到中间值,中间值构成的图像为中值图像;计算原始切伦科夫荧光图像与中值图像的差值图像;计算差值图像中各个像素的模糊值;根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
进一步,所述切伦科夫荧光图像冲击噪声去除方法包括以下步骤:
步骤一,复制光学探测器采集到的具有K行N列像素的原始切伦科夫荧光图像X的第1行和最后1行,扩展得到K+2行N列的行扩展图像
步骤二,复制原始切伦科夫荧光图像的第1列和最后1列,扩展得到大小为K+2行N+2列的图像Y;
步骤三,以图像Y的第2行第2列的元素y2,2为中心点,取3×3窗口内的9个元素,记为{y1,1,y1,2,y1,3,y2,1,y2,2,y2,3,y3,1,y3,2,y3,3},对9个元素从小到大进行排序,得到中间值,记为m1,1;
步骤四,从左至右,从上至下滑动(3)中的3×3窗口,计算图像Y中除第1行、第K+2行、第1列和第N+2列以外的所有像素的中值,得到中值图像M;
步骤五,计算原始切伦科夫荧光图像与中值图像的差值图像V=X-M;
步骤六,对步骤五得到的差值图像,根据下式计算各个像素的模糊值;
步骤七,根据模糊值,计算得到滤除噪声后的切伦科夫荧光图像。
进一步,所述步骤六中计算各个像素的模糊值:
式中,vi,j为差值图像V的第i行第j列像素,且1≤i≤K,1≤j≤N,T1和T2为两个阈值。
进一步,所述步骤七中计算得到滤除噪声后的切伦科夫荧光图像:
zi,j=ri,j×mi,j+(1-ri,j)×xi,j;
式中,mi,j和xi,j分别为中值图像M和原始切伦科夫荧光图像X的第i行第j列像素。
本发明的另一目的在于提供一种实现所述切伦科夫荧光图像冲击噪声去除方法的切伦科夫荧光图像冲击噪声去除系统,所述切伦科夫荧光图像冲击噪声去除系统包括:
采集模块,用于在光密闭环境中采集原始切伦科夫荧光图像;
扩展模块,用于原始切伦科夫荧光图像边缘扩展;
排序模块,用于以图像的元素为中心点,取3×3窗口内的9个元素,从小到大进行排序,得到中间值;
中值图像计算模块,用于从左至右,从上至下滑动3×3窗口,计算图像中像素的中值,得到中值图像;
差值图像计算模块,用于计算原始切伦科夫荧光图像与中值图像的差值图像;
模糊值计算模块,用于根据得到的差值图像计算各个像素的模糊值;
图像恢复模块,用于根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
本发明的另一目的在于提供一种应用所述切伦科夫荧光图像冲击噪声去除方法的信息处理终端。
综上所述,本发明的优点及积极效果为:本发明方法去除冲击噪声时需要利用排序法求中值、减法求差值图像、乘法与加法求滤除噪声后的切伦科夫荧光图像,涉及的操作仅为排序、减法、乘法与加法,实现简单;通过模糊值将采集到的切伦科夫图像像素分为两大类(0和非0),对模糊值不为0的噪声污染像素点进行灰度值替代,对模糊值为0的无噪声像素点,保持灰度值不变,从而使得原始图像中的有用图像灰度值与形状不失真。
附图说明
图1是本发明实施例提供的切伦科夫荧光图像冲击噪声去除方法流程图。
图2是本发明实施例提供的无噪声污染的切伦科夫荧光仿真图像。
图3是本发明实施例提供的冲击噪声污染的切伦科夫荧光仿真图像。
图4是现有中值滤波技术去除噪声后的切伦科夫荧光仿真图像。
图5是本发明方法去除噪声后的切伦科夫荧光仿真图像。
图6是无噪切伦科夫图像、现有中值滤波图像和本发明方法滤波图像的第100行第50到90列的像素灰度值。
图7是本发明实施例提供的原始切伦科夫荧光图像示意图。
图8是本发明实施例提供的去噪后的切伦科夫荧光图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提出一种运算量小、操作简单的噪声抑制方法,在抑制噪声的同时尽量保持有用图像不发生失真。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的切伦科夫荧光图像冲击噪声去除方法包括以下步骤:
S101:复制光学探测器采集到的原始切伦科夫荧光图像上下边缘得到行扩展图像;
S102:复制行扩展图像的左右边缘得到扩展图像;
S103:以扩展图像除边缘以外的像素为中心点,取3×3窗口内的9个像素,从小到大进行排序,得到中间值;
S104:从左至右,从上至下滑动3×3窗口,计算扩展图像中除边缘外所有像素的中值,得到中值图像;
S105:计算原始切伦科夫荧光图像与中值图像的差值图像;
S106:根据差值图像计算各个像素的模糊值;
S107:根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
本发明实施例提供的切伦科夫荧光图像冲击噪声去除方法具体包括以下步骤:
(1)复制光学探测器采集到的具有K行N列像素的原始切伦科夫荧光图像X的第1行和最后1行,扩展得到K+2行N列图像
(2)复制原始切伦科夫荧光图像的第1列和最后1列,扩展得到大小为K+2行N+2列的图像Y;
(3)以图像Y的第2行第2列的元素y2,2为中心点,取3×3窗口内的9个元素,记为{y1,1,y1,2,y1,3,y2,1,y2,2,y2,3,y3,1,y3,2,y3,3},对9个元素从小到大进行排序,得到中间值,记为m1,1;
(4)从左至右,从上至下滑动(3)中的3×3窗口,计算图像Y中除第1行、第K+2行、第1列和第N+2列以外的所有像素的中值,得到中值图像M;
(5)计算原始切伦科夫荧光图像与中值图像的差值图像V=X-M;
(6)对(5)得到的差值图像,根据下式计算各个像素的模糊值:
式中,vi,j为差值图像V的第i行第j列像素,且1≤i≤K,1≤j≤N,T1和T2为两个阈值;
(7)根据模糊值,利用下式,计算得到滤除噪声后的切伦科夫荧光图像;
zi,j=ri,j×mi,j+(1-ri,j)×xi,j;
式中,mi,j和xi,j分别为中值图像M和原始切伦科夫荧光图像X的第i行第j列像素。
下面结合仿真实验实施例对本发明的应用作进一步的描述。
图2为仿真的无噪声的小鼠切伦科夫荧光图像,图像大小为128×128,图3为10%的冲击噪声污染的小鼠切伦科夫荧光图像。利用本发明提供的切伦科夫荧光图像冲击噪声去除方法包括以下步骤:
(1)复制X的第1行和最后1行,对X进行扩展,得到具有130行128列像素的行扩展图像复制的第1列和最后1列,得到具有130行130列像素的图像Y。
(2)以图像Y的第2行第2列的元素y2,2为中心点,取3×3窗口内的9个元素,记为{y1,1,y1,2,y1,3,y2,1,y2,2,y2,3,y3,1,y3,2,y3,3},对9个元素从小到大进行排序,得到中间值,记为m1,1;
(3)从左至右,从上至下滑动(3)中5的3×3窗口,计算图像Y中除第1行、第130行、第1列和第130列以外的所有像素的中值,得到中值图像M,M具有128行128列像素;
(4)计算原始切伦科夫荧光图像与中值图像的差值图像V=X-M;
(5)对上述(4)得到的差值图像,根据下式计算各个像素的模糊值:
式中,vi,j为差值图像V的第i行第j列像素,且1≤i≤128,1≤j≤128,T1和T2为两个阈值,分别取差值图像最大像素值的0.01和0.02;
(6)根据模糊值,利用下式,计算得到去噪后的图像Z,如图4所示。
zi,j=ri,j×mi,j+(1-ri,j)×xi,j;
式中,mi,j和xi,j分别为中值图像M和原始切伦科夫荧光图像X的第i行第j列像素,且1≤i≤128,1≤j≤128。
可以看到,经过本发明所提方法,可以有效去除切伦科夫荧光图像中的噪声,提高图像信噪比。
为了进行比较,图4所示为现有中值滤波技术去除冲击噪声后的切伦科夫荧光图像。可以看到,现有中值滤波技术能去除冲击噪声。为了更进一步比较现有技术和本发明方法结果的差异,将无噪切伦科夫图像、现有中值滤波图像和本发明方法滤波图像的第100行第50到90列的像素提取出来,在图6中进行显示。同时,计算了现有中值滤波图像与无噪切伦科夫图像的均方根误差,结果为0.77和0.15。可以看到,本发明方法更接近理论值,在滤除噪声的同时减少了有用图像的失真。
下面结合肿瘤裸鼠实施例对本发明的应用作更进一步的描述。本发明提供的切伦科夫荧光图像冲击噪声去除方法包括以下步骤:
(1)利用异氟烷气体麻醉腿部成瘤的裸鼠,腹腔注射靶向肿瘤的核素示踪剂,将麻醉后的裸鼠放置于载物台上。
(2)光密闭环境内,利用电子倍增CCD相机采集切伦科夫荧光图像,积分时间1分钟。
(3)采集到的原始切伦科夫荧光图像X具有128行40列像素,如图2所示。
(4)复制X的第1行和最后1行,对X进行扩展,得到具有130行40列像素的图像复制的第1列和最后1列,得到具有130行42列像素的图像Y。
(5)以图像Y的第2行第2列的元素y2,2为中心点,取3×3窗口内的9个元素,记为{y1,1,y1,2,y1,3,y2,1,y2,2,y2,3,y3,1,y3,2,y3,3},对9个元素从小到大进行排序,得到中间值,记为m1,1;
(6)从左至右,从上至下滑动(3)中5的3×3窗口,计算图像Y中除第1行、第130行、第1列和第42列以外的所有像素的中值,得到中值图像M,M具有128行40列像素;
(7)计算原始切伦科夫荧光图像与中值图像的差值图像V=X-M;
(8)对上述(5)得到的差值图像,根据下式计算各个像素的模糊值:
式中,vi,j为差值图像V的第i行第j列像素,且1≤i≤128,1≤j≤40,T1和T2为两个阈值,分别取差值图像最大像素值的0.01和0.02;
(9)根据模糊值,利用下式,计算得到去噪后的图像Z,如图3所示。
zi,j=ri,j×mi,j+(1-ri,j)×xi,j;
式中,mi,j和xi,j分别为中值图像M和原始切伦科夫荧光图像X的第i行第j列像素,且1≤i≤128,1≤j≤40。
可以看到,经过本发明所提方法,可以有效去除切伦科夫荧光图像中的冲击噪声,提高图像信噪比:
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种切伦科夫荧光图像冲击噪声去除方法,其特征在于,所述切伦科夫荧光图像冲击噪声去除方法包括:复制光学探测器采集到的原始切伦科夫荧光图像边缘,对图像进行扩展;以扩展图像的元素为中心点,取3×3窗口内的9个值,从小到大进行排序,得到中间值,中间值构成的图像为中值图像;计算原始切伦科夫荧光图像与中值图像的差值图像;计算差值图像中各个像素的模糊值;根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
2.如权利要求1所述的切伦科夫荧光图像冲击噪声去除方法,其特征在于,所述切伦科夫荧光图像冲击噪声去除方法包括以下步骤:
步骤一,复制光学探测器采集到的具有K行N列像素的原始切伦科夫荧光图像X的上下边缘也即第1行和最后1行,扩展得到大小为K+2行N列的行扩展图像
步骤二,复制行扩展图像的左右边缘也即第1列和最后1列,得到大小为K+2行N+2列的扩展图像Y;
步骤三,以扩展图像Y的第2行第2列的元素y2,2为中心点,取3×3窗口内的9个元素,记为{y1,1,y1,2,y1,3,y2,1,y2,2,y2,3,y3,1,y3,2,y3,3},对9个元素从小到大进行排序,得到中间值,记为m1,1;
步骤四,从左至右,从上至下滑动(3)中的3×3窗口,计算扩展图像Y中除边缘也即第1行、第K+2行、第1列和第N+2列以外的所有像素的中值,得到中值图像M;
步骤五,计算原始切伦科夫荧光图像与中值图像的差值图像V=X-M;
步骤六,对步骤五得到的差值图像,计算各个像素的模糊值;
步骤七,根据步骤六得到的模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
3.如权利要求2所述的切伦科夫荧光图像冲击噪声去除方法,其特征在于,所述步骤六中计算各个像素的模糊值为:
式中,vi,j为差值图像V的第i行第j列像素,且1≤i≤K,1≤j≤N,T1和T2为两个阈值。
4.如权利要求2所述的切伦科夫荧光图像冲击噪声去除方法,其特征在于,所述步骤七中计算得到滤除噪声后的切伦科夫荧光图像为:
zi,j=ri,j×mi,j+(1-ri,j)×xi,j;
式中,mi,j和xi,j分别为中值图像M和原始切伦科夫荧光图像X的第i行第j列像素。
5.一种实现权利要求1所述切伦科夫荧光图像冲击噪声去除方法的切伦科夫荧光图像冲击噪声去除系统,其特征在于,所述切伦科夫荧光图像冲击噪声去除系统包括:
采集模块,用于在光密闭环境中采集原始切伦科夫荧光图像;
扩展模块,用于原始切伦科夫荧光图像边缘扩展;
排序模块,用于以图像的元素为中心点,取3×3窗口内的9个元素,从小到大进行排序,得到中间值;
中值图像计算模块,用于从左至右,从上至下滑动3×3窗口,计算图像中像素的中值,得到中值图像;
差值图像计算模块,用于计算原始切伦科夫荧光图像与中值图像的差值图像;
模糊值计算模块,用于根据得到的差值图像计算各个像素的模糊值;
图像恢复模块,用于根据模糊值,计算得到滤除冲击噪声后的切伦科夫荧光图像。
6.一种应用权利要求1~4任意一项所述切伦科夫荧光图像冲击噪声去除方法的信息处理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581047.XA CN109003230A (zh) | 2018-06-07 | 2018-06-07 | 一种切伦科夫荧光图像冲击噪声去除方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581047.XA CN109003230A (zh) | 2018-06-07 | 2018-06-07 | 一种切伦科夫荧光图像冲击噪声去除方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109003230A true CN109003230A (zh) | 2018-12-14 |
Family
ID=64600289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810581047.XA Pending CN109003230A (zh) | 2018-06-07 | 2018-06-07 | 一种切伦科夫荧光图像冲击噪声去除方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109003230A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222317A (zh) * | 2011-06-22 | 2011-10-19 | 王洪剑 | 一种图像缩放方法和系统 |
CN103198482A (zh) * | 2013-04-07 | 2013-07-10 | 西安电子科技大学 | 基于差异图模糊隶属度融合的遥感图像变化检测方法 |
CN103236046A (zh) * | 2013-04-28 | 2013-08-07 | 南京理工大学 | 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法 |
CN105105697A (zh) * | 2015-07-03 | 2015-12-02 | 西安电子科技大学 | 一种医用内窥式辐射发光成像系统及其成像方法 |
CN106327447A (zh) * | 2016-08-30 | 2017-01-11 | 天津天地伟业数码科技有限公司 | 基于fpga平台的空域和像素域混合降噪算法 |
CN106510633A (zh) * | 2016-11-29 | 2017-03-22 | 中国人民解放军第四军医大学 | 一种高分辨率的辐光显像系统及其成像方法和应用 |
CN106910170A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
-
2018
- 2018-06-07 CN CN201810581047.XA patent/CN109003230A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222317A (zh) * | 2011-06-22 | 2011-10-19 | 王洪剑 | 一种图像缩放方法和系统 |
CN103198482A (zh) * | 2013-04-07 | 2013-07-10 | 西安电子科技大学 | 基于差异图模糊隶属度融合的遥感图像变化检测方法 |
CN103236046A (zh) * | 2013-04-28 | 2013-08-07 | 南京理工大学 | 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法 |
CN105105697A (zh) * | 2015-07-03 | 2015-12-02 | 西安电子科技大学 | 一种医用内窥式辐射发光成像系统及其成像方法 |
CN106327447A (zh) * | 2016-08-30 | 2017-01-11 | 天津天地伟业数码科技有限公司 | 基于fpga平台的空域和像素域混合降噪算法 |
CN106510633A (zh) * | 2016-11-29 | 2017-03-22 | 中国人民解放军第四军医大学 | 一种高分辨率的辐光显像系统及其成像方法和应用 |
CN106910170A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
Non-Patent Citations (8)
Title |
---|
DUOFANG CHEN等: "Removal of random-valued impulse noise from Cerenkov luminescence images.", 《MEDICAL & BIOLOGICAL ENGINEERING & COMPUTING》 * |
XIN CAO等: "A novel denoising framework for cerenkov luminescence imaging based on spatial information improved clustering and curvature-driven diffusion", 《JOURNAL OF INNOVATIVE OPTICAL HEALTH SCIENCES》 * |
周爽: "切伦科夫光学成像系统构建与数据去噪及其实验验证", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
李扬: "辐射发光成像研究及其应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
王芳等: "基于模糊中值滤波的椒盐噪声去除方法", 《模糊系统与数学》 * |
贺小伟等: "基于空间信息改进聚类的切伦科夫荧光图像去噪算法", 《在线出版:HTTPS://KNS.CNKI.NET/KCMS/DETAIL/31.1252.O4.20180511.0939.022.HTML》 * |
贾振红等: "一种新的无监督的卫星影像变化检测算法", 《光电子·激光》 * |
鲁雯等: "模糊遗传人工神经网络算法提取乳腺微钙化点的效果", 《中山大学学报(医学科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657945B (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
Kang et al. | Novel modified fuzzy c-means algorithm with applications | |
CN107133627A (zh) | 红外光斑中心点提取方法及装置 | |
CN103578092A (zh) | 一种多聚焦图像融合方法 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
CN107909560A (zh) | 一种基于SiR的多聚焦图像融合方法及系统 | |
CN105046258B (zh) | 一种小目标探测声呐图像的目标检测方法及装置 | |
CN102930511B (zh) | 一种基于灰阶超声图像的心脏流场速度矢量分析方法 | |
CN106251355A (zh) | 一种融合可见光图像与对应夜视红外图像的检测方法 | |
Ho et al. | Nuclei detection and segmentation of fluorescence microscopy images using three dimensional convolutional neural networks | |
CN103177425A (zh) | 切伦科夫荧光成像中γ射线的去除方法 | |
KR20130083205A (ko) | 양전자 방출 단층 촬영에서의 영상 보정 방법 및 장치 | |
CN109727226A (zh) | 一种基于机器学习的位置表自动生成方法 | |
CN105654511A (zh) | 一种弱小运动目标快速检测与跟踪方法 | |
CN104156982A (zh) | 运动目标跟踪方法和装置 | |
CN102012770B (zh) | 基于图像校正的摄像头定位方法 | |
CN103093231B (zh) | 一种合金中第二相的自动识别与定量分析方法 | |
CN103646397B (zh) | 基于多源数据融合的实时合成孔径透视成像方法 | |
CN107133964A (zh) | 一种基于Kinect的抠像方法 | |
CN107895162A (zh) | 基于物体先验的图像显著性目标检测算法 | |
Li et al. | Exponential distance transform maps for cell localization | |
CN104502992B (zh) | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 | |
CN113763300A (zh) | 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法 | |
CN109003230A (zh) | 一种切伦科夫荧光图像冲击噪声去除方法及系统 | |
CN103310108B (zh) | 一种红外焦平面探测器盲元筛选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181214 |