Mô hình biến phân tổng quát có hướng cải tiến để khử nhiễu đốm trên ảnh số

https://doi.org/10.31130/ud-jst.2025.162

Tóm tắt: 216 | PDF: 91

##plugins.themes.academic_pro.article.main##

Author

  • Pham Cong Thang
    The University of Danang - University of Science and Technology, Vietnam
    Truong Tan Cuong
    The University of Danang - University of Science and Technology, Vietnam
    Nguyen Nguyen Anh
    The University of Danang - University of Science and Technology, Vietnam
    Nguyen Thanh Than
    The University of Danang - University of Science and Technology, Vietnam

Từ khóa:

Khử nhiễu ảnh
nhiễu đốm
phát hiện biên
biến phân tổng
biến phân tổng tổng quát có hướng

Tóm tắt

Nhiễu đốm (speckle noise) là một trong những loại nhiễu phổ biến, làm xuống cấp chất lượng hình ảnh và ảnh hưởng đến các ứng dụng phân tích và dự đoán. Để khử nhiễu đốm trên ảnh số, nhiều phương pháp đã được đề xuất. Tuy nhiên, chúng vẫn gặp phải những hạn chế như mất chi tiết quan trọng, làm mờ biên hoặc không bảo toàn được các kết cấu quan trọng trong ảnh. Trong bài báo này, một mô hình mới DTGV-g, kết hợp biến phân tổng quát bậc cao có hướng với phương pháp phát hiện biên nhằm nâng cao chất lượng ảnh sau khử nhiễu, được đề xuất. Cách tiếp cận này không chỉ loại bỏ nhiễu hiệu quả mà còn bảo toàn được biên và các kết cấu quan trọng của hình ảnh. Thuật toán Chambolle-Pock được sử dụng để giải bài toán tối ưu. Kết quả thực nghiệm cho thấy, mô hình DTGV-g đề xuất đạt hiệu suất vượt trội so với các phương pháp khác. Đặc biệt, phương pháp của chúng tôi vẫn hoạt động tốt ngay cả khi ảnh bị làm mờ hoặc có mức độ nhiễu cao.

Tài liệu tham khảo

    [1] Wang, T. Z. Huang, X. L. Zhao, J.J. Mei and J. Huang, “Speckle noise removal in ultrasound images by first- and second-order total variation”, Numer. Algorithms, vol. 78, pp. 513–533, 2018. https://doi.org/10.1007/s11075-017-0386-x
    [2] Fan, F. Zhang, H. Fan, and C. Zhang, “Brief review of image denoising techniques, Vis. Comput. Ind. Biomed. Art, vol. 2, no. 7, pp. 1-12, 2019. https://doi.org/10.1186/s42492-019-0016-7
    [3] Misra, B. Kartikeyan and S. Garg, “Wavelet based SAR data denoising and analysis”, in Proc. IEEE Int. Adv. Comput. Conf., Gurgaon, India, 2014, pp. 1087-1092.
    [4] N. Devi and R. Asokan, “An improved adaptive wavelet shrinkage for ultrasound”, Sadhana, vol. 39, pp. 971–988, 2014. https://doi.org/10.1007/s12046-014-0254-5
    [5] Pradeep and P. Nirmaladevi, “A Review on Speckle Noise Reduction Techniques in Ultrasound Medical images based on Spatial Domain, Transform Domain and CNN Methods”, IOP Conf. Ser.: Mater. Sci. Eng., 1055, 012116, pp. 1-9, 2021. https://doi.org/10.1088/1757-899X/1055/1/012116
    [6] Sikhakhane, S. Rimer, M. Gololo, K. Ouahada and A. M. Abu-Mahfouz, “Evaluation of Speckle Noise Reduction Filters and Machine Learning Algorithms for Ultrasound Images”, IEEE Access, vol. 12, pp. 81293-81312, 2024. https://doi.org/10.1109/ACCESS.2024.3411709
    [7] Ren, Z. Guo, Z. Jia, J. Yang, N. K. Kasabov and C. Li, “Speckle Noise Removal in Image-based Detection of Refractive Index Changes in Porous Silicon Microarrays”, Sci. Rep., vol. 9, 15001 pp. 1-14, 2019. https://doi.org/10.1038/s41598-019-51435-y
    [8] V. Parhad, S. A. Aher and K. K. Warhade, “A Comparative Analysis of Speckle Noise Removal in SAR Images”, Proc. 2nd Glob. Conf. Adv. Technol., Bangalore, India, 2021, pp. 1-4. https://doi.org/10.1109/GCAT52182.2021.9587458.
    [9] Gong, H. Zhang and M. Yao, “Speckle noise reduction algorithm with total variation regularization in optical coherence tomography”, Opt. Express, vol. 23, pp. 24699-24712, 2015. https://doi.org/10.1364/OE.23.024699
    [10] K. Panigrahi, “Speckle Noise Removal by Total Variation and Curvelet Coefficient Shrinkage of Residual Noise”, in Proc. Int. Conf. Wirel. Commun. Signal Process. Netw., Chennai, India, 2019, pp. 101-106.
    [11] B. Misra, E. Lockhart, and H. Lim, “Total variation based denoising methods for speckle noise images”, Involve, vol. 10, no. 2, pp. 327-344, 2017. https://doi.org/0.2140/involve.2017.10.327
    [12] Wang, L. Xiao, L. Huang and Z. Wei, “Nonlocal total variationbased speckle noise removal method for ultrasound image”, in Proc. 4th Int. Congr. Image Signal Process., Shanghai, China, 2011, pp. 709-713.
    [13] Chen, J. Zou, W. Chen, X. Kong, J. Ma and F. Li, “Speckle Noise Removal Based on Adaptive Total Variation Model”, In Proc. Pattern Recognit. Comput. Vis., Guangzhou, China, 2018, pp. 191–202.
    [14] Cuomo, M. D. Rosa, S. Izzo, F. Piccialli, and M. Pragliola, “Speckle noise removal via learned variational models”, Appl. Numer. Math., vol. 200, pp. 162-178, 2024. https://doi.org/10.1016/j.apnum.2023.06.002
    [15] Rawat, M. Singh, and B. Singh, “Wavelet and Total Variation Based Method Using Adaptive Regularization for Speckle Noise Reduction in Ultrasound Images”, Wirel. Pers. Commun., vol. 106, pp. 1547-1572, 2019. https://doi.org/10.1007/s11277-019-06229-w
    [16] Jin and X. Yang, “A variational model to remove the multiplicative noise in ultrasound images”, J. Math. Imaging Vis., vol. 39, pp. 62-74, 2010. https://doi.org/10.1007/s10851-010-0225-3
    [17] Huang and X. Yang, “Fast reduction of speckle noise in real ultrasound images”, Signal Process., vol. 93, no. 4, pp. 684-694, 2013. https://doi.org/10.1016/j.sigpro.2012.09.005
    [18] Bredies, K. Kunisch, and T. Pock, “Total generalized variation,” SIAM J. Imaging Sci., vol. 3, no. 3, pp. 492-526, 2010. https://doi.org/10.1137/090769521
    [19] Serafino, G. Landi, and M. Viola, “Directional TGV-based image restoration under poisson noise,” J. Imaging, vol. 7, no. 6, pp. 1-18, 2021. https://doi.org/10.3390/jimaging7060099
    [20] D. Kongskov, Y. Dong, and K. Knudsen, “Directional total generalized variation regularization”, BIT Numer. Math., vol. 59, pp. 903-928, 2019. https://doi.org/10.1007/s10543-019-00755-6
    [21] Bayram and M. E. Kamasak, “Directional Total Variation”, IEEE Signal Process. Lett., vol. 19, no. 12, pp. 781-784, 2012. https://doi.org/10.1109/LSP.2012.2220349
    [22] D. Kongskov and Y. Dong, “Directional total generalized variation regularization for impulse noise removal”, in Proc. Scale Space Var. Methods Comput. Vis., Kolding, Denmark, 2017, pp. 221-231. https://doi.org/10.1007/978-3-319-58771-4_18
    [23] Liu, “Weighted total generalised variation scheme for image restoration”, IET Image Process., vol. 10, no. 1, pp. 80-88, 2016. https://doi.org/10.1049/iet-ipr.2015.0013
    [24] C. Thang, T.T. Cuong, N. N. Anh. Nguyen, and T. V. Hieu, “An Oriented High-Order Total Variation-Based Method for Multiplicative Noise Removal in Digital Images and Edge Enhancement” in. Proc. XXVII Nat. Conf. Sel. Issues Inf. Commun. Technol., Nha Trang, Vietnam, 2024, pp. 392-397.
    [25] Dong and T. Zeng, “A Convex Variational Model for Restoring Blurred Images with Multiplicative Noise”, SIAM J. Imaging Sci., vol. 6, no. 3, pp. 1598-1625, 2013. https://doi.org/10.1137/120870621
    [26] Chambolle and T. Pock, “A First-Order Primal-Dual Algorithm for Convex Problems with Applications to Imaging”, J. Math. Imaging Vis., vol. 40, pp. 120-145, 2011. https://doi.org/10.1007/s10851-010-0251-1
    [27] Wang and A.C. Bovik, Modern Image Quality Assessment: Synthesis Lectures on Image, Video, and Multimedia Processing, Morgan and Claypool Publishers, 2006.
    [28] G. Ramos-Llorden, G. Vegas-Sanchez-Ferrero, M. Martin-Fernandez, C. Alberola-Lopez, and S. Aja-Fernandez, “Anisotropic diffusion filter with memory based on speckle statistics for ultrasound images”, IEEE Trans. Image Process., vol. 24, no. 1, pp. 345-358, 2014. https://doi.org/10.1109/tip.2014.237124
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

May 31, 2025
Download
PDF (English)
Cách trích dẫn
Thang, P. C., T. T. Cuong, N. N. Anh, và N. T. Than. “Mô hình biến phân tổng quát Có hướng cải tiến để khử nhiễu đốm Trên ảnh số”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 23, số p.h 5A, Tháng Năm 2025, tr 79-84, doi:10.31130/ud-jst.2025.162.

##plugins.themes.academic_pro.article.details##