本文選題：圖像增強 + 自適應(yīng)��； 參考：《中國圖象圖形學(xué)報》2016年12期

【摘要】：目的由于傳統(tǒng)的分數(shù)階微分算法本質(zhì)是提高相鄰像素點的灰度差,達到增強對比度的作用,但是同時會放大和產(chǎn)生噪聲,這容易使嬰幼兒腦MR圖像的增強效果有限或過增強。為了解決上述問題,提出一種融合非局部均值信息的自適應(yīng)分數(shù)階微分的嬰幼兒腦MR圖像增強算法。方法用平均梯度和大津算法自適應(yīng)確定分數(shù)階階數(shù),融合紋理粗糙度確定初始的分數(shù)階階數(shù)。為了進一步抵制噪聲等干擾,利用更大鄰域的紋理信息,融入非局部思想確定分數(shù)階微分的階數(shù)。最后用最終的分數(shù)階階數(shù)對圖像進行濾波,得到最終的增強圖像。結(jié)果實驗通過信息熵、平均梯度和空間頻率指標(biāo)統(tǒng)計結(jié)果證明本文算法具有優(yōu)越的圖像增強性能。信息熵指標(biāo)能夠高出對比算法0.2%12%,平均梯度指標(biāo)能夠高出對比算法5%59%,空間頻率指標(biāo)能夠高出對比算法6%59%。結(jié)論本文算法可以在增強紋理細節(jié)及抑制分數(shù)階微分引入噪聲方面都取得較好的效果。本文算法也適用于普通的模糊圖像,具有良好的應(yīng)用背景。
[Abstract]:Objective because the essence of the traditional fractional differential algorithm is to increase the gray difference of adjacent pixels and enhance the contrast, but it can enlarge and produce noise at the same time, it is easy to make the enhancement effect of infantile brain Mr image limited or too enhanced.In order to solve the above problem, an adaptive fractional differential image enhancement algorithm for infantile brain is proposed.Methods the fractional order is determined adaptively by the mean gradient and the Otsu algorithm, and the initial fractional order is determined by the fusion texture roughness.In order to further resist noise and other interference, the order of fractional differential is determined by using the texture information of larger neighborhood and incorporating the nonlocal idea.Finally, the final enhancement image is obtained by filtering the image with the final fractional order.Results the results of information entropy, average gradient and spatial frequency statistics show that the proposed algorithm has excellent image enhancement performance.The information entropy index can be higher than the contrast algorithm 0.2 points, the average gradient index can be higher than the contrast algorithm 5Y, and the spatial frequency index can be higher than the contrast algorithm 6Y.Conclusion the proposed algorithm can enhance texture details and suppress fractional differential noise.This algorithm is also suitable for common blurred images, and has a good application background.
【作者單位】： 東北大學(xué)信息科學(xué)與工程學(xué)院;教育部醫(yī)學(xué)影像計算重點實驗室;
【基金】：國家自然科學(xué)基金項目(61370152,61402298) 中央高�；究蒲袠I(yè)務(wù)費專項資金(N130204003)~~
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 蒲亦非;;將分數(shù)階微分演算引入數(shù)字圖像處理[J];四川大學(xué)學(xué)報(工程科學(xué)版);2007年03期

2 王衛(wèi)星;于鑫;賴均;;一種改進的分數(shù)階微分掩模算子[J];模式識別與人工智能;2010年02期

3 覃忷智;周尚波;;求解分數(shù)階微分系統(tǒng)的一種數(shù)值算法[J];計算機技術(shù)與發(fā)展;2011年01期

4 車進;師一帥;張成;;基于分數(shù)階微分的視網(wǎng)膜血管圖像增強[J];計算機工程與應(yīng)用;2012年34期

5 李寶強;范茵;李騫;;基于分數(shù)階微分的流線增強方法[J];計算機應(yīng)用研究;2011年10期

6 曹紅亮;李曦;鄧忠華;秦憶;;面向控制的分數(shù)階微分模型的快速數(shù)值計算[J];控制理論與應(yīng)用;2011年05期

7 李麗;程海軍;;基于分數(shù)階微分的邊界掃描[J];電腦知識與技術(shù);2011年23期

8 陳慶利;蒲亦非;黃果;周激流;;數(shù)字圖像的0～1階Riemann-Liouville分數(shù)階微分增強模板[J];電子科技大學(xué)學(xué)報;2011年05期

9 何遠德;;數(shù)字圖像的分數(shù)階微分增強[J];樂山師范學(xué)院學(xué)報;2013年12期

10 張意;蒲亦非;周激流;;分數(shù)階微分掩模及其濾波器的構(gòu)造[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2011年07期

相關(guān)會議論文 前8條

1 胡小玲;李明;劉秀;羅文波;;線黏彈性分數(shù)階微分本構(gòu)模型的討論[A];中國力學(xué)大會——2013論文摘要集[C];2013年

2 錢德亮;徐鑒;;含參量分數(shù)階微分系統(tǒng)的分岔分析[A];第九屆全國動力學(xué)與控制學(xué)術(shù)會議會議手冊[C];2012年

3 馬玉田;李常品;;關(guān)于分數(shù)階微分系統(tǒng)的周期解問題[A];中國力學(xué)大會——2013論文摘要集[C];2013年

4 錢德亮;李常品;徐鑒;;分數(shù)階微分系統(tǒng)的基本分岔分析[A];第九屆全國動力學(xué)與控制學(xué)術(shù)會議會議手冊[C];2012年

5 申永軍;楊紹普;邢海軍;;單自由度分數(shù)階系統(tǒng)的動力學(xué)分析[A];第九屆全國動力學(xué)與控制學(xué)術(shù)會議會議手冊[C];2012年

6 李常品;龔自清;錢德亮;;分數(shù)階微分系統(tǒng)Lyapunov指數(shù)界的估計[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

7 李常品;龔自清;錢德亮;;分數(shù)階微分系統(tǒng)Lyapunov指數(shù)界的估計[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

8 廖少鍇;張衛(wèi);;非線性分數(shù)階微分振子的動力學(xué)研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

相關(guān)博士學(xué)位論文 前4條

1 趙大亮;幾類非線性分數(shù)階微分系統(tǒng)初邊值問題解的研究[D];山東師范大學(xué);2016年

2 張鳳榮;分數(shù)階微分系統(tǒng)的穩(wěn)定性分析[D];上海大學(xué);2012年

3 劉可為;分數(shù)階微分系統(tǒng)的穩(wěn)定性[D];安徽大學(xué);2014年

4 陳毅;幾類分數(shù)階微分與差分系統(tǒng)解的存在性與多重性[D];中南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 汪陳龍;基于分數(shù)階微分的Lamb波信號消噪[D];南京信息工程大學(xué);2015年

2 張雄;基于分數(shù)階微分的紅外圖像分割算法研究[D];四川師范大學(xué);2015年

3 陳彬彬;分數(shù)階微分在邊緣檢測和圖像匹配中的應(yīng)用[D];南昌航空大學(xué);2015年

4 姒紹輝;自適應(yīng)分數(shù)階微分的點表示方法研究[D];蘇州科技學(xué)院;2015年

5 王程嘯;1～2階分數(shù)階微分在圖像邊緣提取上的應(yīng)用研究[D];湘潭大學(xué);2016年

6 胡浩楓;分數(shù)階微分在數(shù)字圖像增強中的應(yīng)用研究[D];湘潭大學(xué);2011年

7 周雄;硫化橡膠動態(tài)力學(xué)性能的分數(shù)階微分流變模型[D];湘潭大學(xué);2011年

8 楊福利;分數(shù)階微分系統(tǒng)若干問題的研究[D];安徽大學(xué);2014年

9 黃群;分數(shù)階微分系統(tǒng)控制與穩(wěn)定性理論問題的研究[D];安徽大學(xué);2014年

10 周玉鼎;幾類分數(shù)階微分積分方程的數(shù)值解[D];內(nèi)蒙古師范大學(xué);2010年

，

本文編號：1767924