【摘要】：狹葉錦雞兒葉切片顯微圖像在獲取過程中不可避免的受到噪聲污染,會對后續(xù)處理造成不良影響。針對現(xiàn)有噪聲類型未知,去噪算法存在速度慢、效果不理想等問題,該文提出圖像噪聲類型估計-強(qiáng)度估計-去噪這一處理過程,實現(xiàn)對狹葉錦雞兒葉切片顯微圖像降噪目的。首先采用平滑區(qū)直方圖重構(gòu)和擬合法確定噪聲類型;然后在此基礎(chǔ)上,應(yīng)用基于圖像塊的SVD(singular valuable decomposition,SVD)域圖像噪聲強(qiáng)度估計法對噪聲標(biāo)準(zhǔn)差進(jìn)行估計;最后在確定噪聲類型和強(qiáng)度基礎(chǔ)上,采用幾何均值濾波(geometric mean filtering,GMF)和三維塊匹配濾波(block-matching and 3-D filtering,BM3D)對圖像進(jìn)行聯(lián)合去噪。試驗結(jié)果表明:該文噪聲類型估計法估計出切片圖像噪聲類型為加性高斯噪聲,高斯函數(shù)對隨機(jī)選取的15幅狹葉錦雞兒葉切片圖像平滑區(qū)域直方圖數(shù)據(jù)點擬合優(yōu)度2R均值為0.996,平均均方根誤差RMSE(root mean squared error,RMSE)為0.144 6;采用該文噪聲強(qiáng)度估計法估計出的切片圖像噪聲標(biāo)準(zhǔn)差???[2.5,4.0],處理標(biāo)準(zhǔn)差較小噪聲,該文算法處理精度、運行速度和穩(wěn)定性等方面存在明顯優(yōu)勢;GMF-BM3D算法在較好去除圖像噪聲同時,極大的保留了圖像紋理、邊緣和細(xì)節(jié)等信息,同時極大的提高了算法運行速度,處理后的圖像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值為10左右,相當(dāng)于原圖BRISQUE值的1/2左右。與傳統(tǒng)BM3D算法相比,去噪效果相當(dāng),但耗時約相當(dāng)于傳統(tǒng)BM3D算法的1/9。與小波去噪算法(wavelet threshold,WT)算法相比,雖速度相對較慢,但去噪后圖像BRISQUE值比使用WT法低4左右。因此,該算法較好實現(xiàn)了對狹葉錦雞兒葉切片圖像準(zhǔn)確降噪,為其后續(xù)處理提供了可靠技術(shù)支持。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李民,蔡江勝,項世法,張奎啟,張福胤,韓輝,王福;顯微腭部組織序列切片圖像的定位[J];大連理工大學(xué)學(xué)報;1997年06期

2 姜志國,孟如松,趙宇,周付根,董海軍;組織切片圖像的可視化技術(shù)及應(yīng)用[J];中國體視學(xué)與圖像分析;2002年03期

3 羅洪艷;李敏;譚立文;鄭小林;張紹祥;侯文生;;一種數(shù)字人腦部切片圖像分割新方法[J];中國醫(yī)學(xué)影像技術(shù);2009年08期

4 鐘映春;戚劍;劉小林;張淼;;從圖像中提取離散點狀神經(jīng)功能束邊緣的研究[J];系統(tǒng)仿真學(xué)報;2011年07期

5 鐘映春;羅鵬;;從神經(jīng)切片圖像中識別功能束類型的研究[J];中國圖象圖形學(xué)報;2012年01期

6 李芳;鐘映春;張毅;戚劍;劉小林;;神經(jīng)切片圖像中識別定位線斷面的研究[J];計算機(jī)工程與應(yīng)用;2010年22期

7 王鈺;徐敏;谷方;;基于切片圖像的頜面骨骼三維建模方法[J];青島大學(xué)學(xué)報(工程技術(shù)版);2007年01期

8 王奇文;鄭麗敏;梅樹立;;基于形態(tài)學(xué)的小鼠舌頭切片圖像分割與實現(xiàn)[J];計算機(jī)工程;2011年19期

9 王琴,王衛(wèi)星,張少，

本文編號：2577175