BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  28,235,224
  • Công bố khoa học và công nghệ Việt Nam

50

Khai thác mỏ và xử lý khoáng chất

BB

Pham Cong Thang, Truong Tan Cuong, Nguyen Nguyen Anh, Nguyen Thanh Than, Phạm Công Thắng(1)

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

An enhanced directional total generalized variation model for speckle noise removal in digital images

Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng

2025

5A

79-84

1859-1531

Khử nhiễu ảnh, Nhiễu đốm, Phát hiện biên, Biến phân tổng, Biến phân tổng quát có hướng

Image denoising, speckle noise, edge detection, total variation, directional total generalized variation

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.

Speckle noise is one of the most common types of noise, degrading image quality and affecting analytical and predictive applications. Various methods have been proposed for speckle noise removal in digital images. However, these methods still have limitations, such as loss of important details, edge blurring, or failure to preserve crucial image structures. In this paper, we propose a novel model, DTGV-g, which combines Directional high-order Total Generalized Variation with an edge detection method to enhance image quality after denoising. This approach not only effectively removes noise but also preserves edges and essential image structures. The Chambolle-Pock algorithm is employed to solve the optimization problem. Experimental results demonstrate that the proposed DTGV-g model achieves superior performance compared to other methods. Notably, our approach remains effective even in cases whe-re the image is blurred or has a high level of noise.

TTKHCNQG, CVv 465

Xem toàn văn
  • [1] G. Ramos-Llorden, G. Vegas-Sanchez-Ferrero, M. MartinFernandez, C. Alberola-Lopez, S. Aja-Fernandez (2014), Anisotropic diffusion filter with memory based on speckle statistics for ultrasound images,IEEE Trans. Image Process.
  • [2] Z. Wang, A.C. Bovik (2006), Modern Image Quality Assessment: Synthesis Lectures on Image, Video, and Multimedia Processing,Không có
  • [3] A. Chambolle, T. Pock (2011), A First-Order Primal-Dual Algorithm for Convex Problems with Applications to Imaging,J. Math. Imaging Vis.
  • [4] Y. Dong, T. Zeng (2013), A Convex Variational Model for Restoring Blurred Images with Multiplicative Noise,SIAM J. Imaging Sci.
  • [5] P.C. Thang, T.T. Cuong, N. N. Anh. Nguyen, T. V. Hieu (2024), An Oriented High-Order Total Variation-Based Method for Multiplicative Noise Removal in Digital Images and Edge Enhancement,Proc. XXVII Nat. Conf. Sel. Issues Inf. Commun. Technol.
  • [6] X. Liu (2016), Weighted total generalised variation scheme for image restoration,IET Image Process.
  • [7] R. D. Kongskov, Y. Dong (2017), Directional total generalized variation regularization for impulse noise removal,Proc. Scale Space Var. Methods Comput. Vis.
  • [8] I. Bayram, M. E. Kamasak (2012), Directional Total Variation,IEEE Signal Process. Lett.
  • [9] R. D. Kongskov, Y. Dong, K. Knudsen (2019), Directional total generalized variation regularization,BIT Numer. Math.
  • [10] D. Serafino, G. Landi, M. Viola (2021), Directional TGV-based image restoration under poisson noise,J. Imaging
  • [11] K. Bredies, K. Kunisch, T. Pock (2010), Total generalized variation,SIAM J. Imaging Sci.
  • [12] J. Huang, X. Yang (2013), Fast reduction of speckle noise in real ultrasound images,Signal Process.
  • [13] Z. Jin, X. Yang (2010), A variational model to remove the multiplicative noise in ultrasound images,J. Math. Imaging Vis.
  • [14] N. Rawat, M. Singh, B. Singh (2019), Wavelet and Total Variation Based Method Using Adaptive Regularization for Speckle Noise Reduction in Ultrasound Images,Wirel. Pers. Commun.
  • [15] S. Cuomo, M. D. Rosa, S. Izzo, F. Piccialli, M. Pragliola (2024), Speckle noise removal via learned variational models,Appl. Numer. Math.
  • [16] B. Chen, J. Zou, W. Chen, X. Kong, J. Ma, F. Li (2018), Speckle Noise Removal Based on Adaptive Total Variation Model,Proc. Pattern Recognit. Comput. Vis.
  • [17] L. Wang, L. Xiao, L. Huang, Z. Wei (2011), Nonlocal total variation based speckle noise removal method for ultrasound...,Proc. 4th Int. Congr. Image Signal Process.
  • [18] A. B. Misra, E. Lockhart, H. Lim (2017), Total variation based denoising methods for speckle noise images,Involve
  • [19] S. K. Panigrahi (2019), Speckle Noise Removal by Total Variation and Curvelet Coefficient Shrinkage...,Proc. Int. Conf. Wirel. Commun. Signal...
  • [20] G. Gong, H. Zhang, M. Yao (2015), Speckle noise reduction algorithm with total variation regularization...,Opt. Express
  • [21] S. V. Parhad, S. A. Aher, K. K. Warhade (2021), A Comparative Analysis of Speckle Noise Removal in SAR Images,Proc. 2nd Glob. Conf. Adv. Technol.
  • [22] R. Ren, Z. Guo, Z. Jia, J. Yang, N. K. Kasabov, C. Li (2019), Speckle Noise Removal in Image-based Detection of Refractive Index Changes...,Sci. Rep.
  • [23] K. Sikhakhane, S. Rimer, M. Gololo, K. Ouahada, A. M. AbuMahfouz (2024), Evaluation of Speckle Noise Reduction Filters and Machine Learning Algorithms...,IEEE Access
  • [24] S. Pradeep, P. Nirmaladevi (2021), A Review on Speckle Noise Reduction Techniques in Ultrasound Medical images...,IOP Conf. Ser.: Mater. Sci. Eng.
  • [25] P.N. Devi, R. Asokan (2014), An improved adaptive wavelet shrinkage for ultrasound,Sadhana
  • [26] A. Misra, B. Kartikeyan, S. Garg (2014), Wavelet based SAR data denoising and analysis,Proc. IEEE Int. Adv. Comput. Conf.
  • [27] L. Fan, F. Zhang, H. Fan, C. Zhang (2019), Brief review of image denoising techniques,Vis. Comput. Ind. Biomed. Art
  • [28] S. Wang, T. Z. Huang, X. L. Zhao, J.J. Mei, J. Huang (2018), Speckle noise removal in ultrasound images by first- and second-order total variation,Numer. Algorithms