臺灣博碩士論文加值系統

無論是一般影像或是醫學影像，在擷取影像的過程中由於許多已知或未知的因素，遇到最重要的問題是雜訊的存在，而且這個干擾是無法避免的。因此，在過去的幾十年來，很多去除影像雜訊的演算法已經被提出來去對付這個問題。其中，雙向濾波器被提出之後便備受關注，不僅是出色的執行效果再加上計算簡單。雙向濾波器是同時考慮了空間及強度上的關係。由於執行簡單，雙向濾波器在去除雜訊影像已經被廣為運用。
在我們的研究中，將討論雙向濾波器的結構細節並且提出適應性的設計去調整濾波器的參數。
根據模擬的結果，所提出的方法用於一般影像及醫學影像中不僅在減少雜訊方面且在視覺品質上，比起傳統雙向濾波器有好的執行成果。

Due to many known or unknown factors, the most important problem encountered is the presence of the image noise during the acquisition procedure-no matter what nature or medical images and the interference is also very difficult to avoid. Therefore, many image denoising algorithms have been proposed to address the problem in the past decades. Among them, the bilateral filter receives much attention since it achieves not only excellent performance but also low complexity. The bilateral filter considers the spatial and the intensity relation simultaneously. Due to the simplicity in implementation, the bilateral filter has been widely used in many image denoising applications.
In our work, we will discuss the structure of bilateral filter in detail, and then propose adaptive scheme to adjust the filter parameters.
According to the simulation result, the proposed method is with higher performance than that of convention bilateral filter not only reducing noise but also visual quality for both nature images and medical images.

摘　　要 I
Abstract II
致謝 III
目錄 IV
圖目錄 VI
表目錄 VIII
第一章 緒論 1
第二章 相關背景 3
2.1超音波 3
2.2 超音波雜訊 4
2.3 雙向濾波器 6
2.4相關文獻回顧 8
第三章 研究方法與步驟 11
3.1 研究架構 11
3.2 雙向濾波器之性質分析 14
3.2.1 雙向濾波器空間及強度影響因素之個別分析 14
3.2.2雙向濾波器遮罩大小、參數σ_s及σ_I設定基本設計 16
3.3濾波效果最佳化 23
3.3.1影像分解雜訊濾除方法 23
3.4 雙向濾波器之內涵改變 26
3.4.1雙重雙向濾波器 26
3.4.2雙重雙向濾波器之排序統計濾波器之選取 28
3.4.3排序統計濾波器之置放 31
3.4.4雙重雙向濾波器前後比例之分配 32
3.5 PSNR值計算 33
第四章 實驗結果 34
4.1 低雜訊影像分析結果 35
4.2高雜訊影像分析結果 48
4.3雙向濾波器之內涵改變實驗結果 50
第五章 結論 60
參考文獻 62

圖目錄
圖1、不同儀器造影之醫學影像雜訊比較 4
圖2、雙向濾波器示意圖 6
圖3、雜訊程度之比較 11
圖4、實驗架構 13
圖5、改變空間濾波遮罩大小之影像結果 15
圖6、改變強度濾波遮罩大小之影像結果 15
圖7、標準差平滑度之圖形比較 16
圖8、不同標準差的高斯濾波器在影像濾波上的比較 17
圖9、更改遮罩大小之影像變化 19
圖10、σs設定之影像模糊程度變化 21
圖11、σI設定之影像明亮程度變化 22
圖12、帶有原始影像資訊之雜訊影像 24
圖13、影像分解雜訊濾除方法流程圖 25
圖14、雙重雙向濾波器流程圖 27
圖15、一般影像於不同排序統計濾波器之比較 29
圖16、超音波影像於不同排序統計濾波器之比較 30
圖17、統計排序濾波器置放前後之一般影像比較 31
圖18、統計排序濾波器置放前後之超音波影像比較 32
圖19、遮罩大小及參數σs交叉分析結果 36
圖20、低雜訊影像經雙向濾波器之結果-1 40
圖21、低雜訊影像經雙向濾波器之結果-2 41
圖22、低雜訊影像經雙向濾波器之結果-3 41
圖23、超音波影像經雙向濾波器之結果 47
圖24、高雜訊一般影像經雙向濾波器之結果 47
圖25、超音波影像經雙向濾波器及影像分解雜訊過濾結果比較 48
圖26、高雜訊一般影像經雙向濾波器及影像分解雜訊過濾結果比較 49
圖27、不同β值之分配比較 51
圖28、低雜訊影像運用雙向濾波器及雙重雙向濾波器之比較 53
圖29、超音波影像運用雙向濾波器及雙重雙向濾波器之比較 54
圖30、高雜訊一般影像運用雙向濾波器及雙重雙向濾波器之比較 54
圖31、一般影像於各適應性雙向濾波器之比較 55
圖32、超音波影像於各適應性雙向濾波器之比較 56
圖33、高雜訊影像於各適應性雙向濾波器之比較 57
圖34、超音波影像於各適應性雙向濾波器之比較-1 58
圖35、超音波影像於各適應性雙向濾波器之比較-2 59

表目錄
表1、空間濾波器遮罩大小及參數σs交叉比較之影像變化趨勢 35
表2、σs=0.5、遮罩大小及σI參數交叉實驗結果之PSNR值 37
表3、σs=0.5、遮罩大小及σI參數交叉實驗結果之PSNR值 38
表4、σs=2、遮罩大小及σI，參數交叉實驗結果之PSNR值 38
表5、σs=3、遮罩大小及σI，參數交叉實驗結果之PSNR值 39
表6、σs=5、遮罩大小及、σI，參數交叉實驗結果之PSNR值 39
表7、σs=0.5、遮罩大小及σI，參數交叉運用於超音波影像實驗結果之PSNR值 42
表8、σs=1、遮罩大小及σI，參數交叉運用於超音波影像實驗結果之PSNR值 43
表9、σs=2、遮罩大小及σI，參數交叉運用於超音波影像實驗結果之PSNR值 43
表10、σs=3、遮罩大小及σI，參數交叉運用於超音波影像實驗結果之PSNR值 44
表11、σs=0.5、遮罩大小及σI，參數交叉運用於高雜訊一般影像實驗結果之PSNR值 44
表12、σs=1、遮罩大小及σI，參數交叉運用於高雜訊一般影像實驗結果之PSNR值 45
表13、σs=2、遮罩大小及σI，參數交叉運用於高雜訊一般影像實驗結果之PSNR值 45
表14、σs=3、遮罩大小及σI，參數交叉運用於高雜訊一般影像實驗結果之PSNR值 46
表15、σs=5、遮罩大小及σI，參數交叉運用於高雜訊一般影像實驗結果之PSNR值 46
表16、雙重雙向濾波器用於一般影像之PSNR值 52
表17、雙重雙向濾波器用於超音波醫學影像之PSNR值 52
表18、雙重雙向濾波器用於高雜訊一般影像之PSNR值 53

[1]B. Cohen, "New maximum likelihood motion estimation schemes for noisy ultrasound images". Pattern Recognition 35, pp. 455-463, 2001.
[2]C. Tomasi and R. Manduchi. "Bilateral filtering for gray and color images, " in Proc. Int. Conf. Computer Vision, pp. 839-846, 1998.
[3]G. Vijaya, V. Vasudevan, "A Novel Noise Reduction Method using Double Bilateral Filtering," European Journal of Scientific Research ISSN 1450-216X , vol. 46, no. 3, pp. 331-338, 2010.
[4]J. Rydell, H. Kuntsson, M. Borga , "Bilateral Filtering of fMRI Data, " IEEE Journal of Selected Topics in Signal Processing, vol. 2, no. 6, 2008.
[5]J. W. Han, J. H. Kim, S. H. Cheon, "A Novel Image Interpolation Method Using the Bilateral Filter, "IEEE Transactions on Consumer Electronics, vol. 56, no. 1, 2010.
[6]J. Tang, S. Guo, Q. Sun, "Speckle reducing bilateral filter for cattle follicle segmentation, "International Conference on Bioinformatics and Computational Biology, 2009.
[7]J. Lin Wu, "An Automatic Enhancement Method for High Contrast Images via Bilateral Filtering, "Journal of Science and Engineering Technology, vol. 3, no. 3, pp. 81-87, 2007.
[8]K. Thangavel , R. Manavalan, I. Laurence "Removal of Speckle Noise from Ultrasound Medical Image based on Special Filters: Comparative Study, "ICGST-GVIP, Journal, ISSN 1687-398X, vol. 9, Issue 3, 2009.
[9]W. C. Kao, Y. J. Chen, "Multistage Bilateral Noise Filtering and Edge Detection for Color Image Enhancement, "IEEE Transactions on Consumer Electronics, vol 51, no. 4, 2005.
[10]C. H. Lin, C. J. Lin, Y.N. Sun, "Ultrasound motion estimation using a hierarchical feature weighting algorithm, "Computerized Medical Imaging and Graphics 31, pp.178-190, 2007.
[11]M. Zhang, B. K. Gunturk, "Multiresolution Bilateral Filtering for Image Denoising, "IEEE Transactions on Image Processing, vol. 17, no. 12, 2008.
[12]C. K. Wong, C. S. Chung, C. H. Yu, "Trilateral Filtering For Biomedical Images, "IEEE International Symposium On Biomedical Imaging, 2004.
[13]P. Choudhury and J. Tumblin, "The Trilateral Filter for High Contrast Images and Meshes, "Eurographics Symposium on Rendering, pp. 1.11,2003.
[14]L. Meylan, S. Süsstrunk, "High Dynamic Range Image Rendering With a Retinex-Based Adaptive Filter, "IEEE Transactions on Image Processing, vol. 15, no. 9, 2006.
[15]A. Ruzon, "Corner Detection in Textured Color Images, "IEEE Seventh International Conference on Computer Vision, vol. 2, pp. 1039-1045, 1999
[16]劉震昌，數位影像處理，高立圖書出版社
[17]C. Shen, Z. Lu, "Weighted Bilateral Filter - A New Image Filter for Noise Removing and Detail Information Preserving, "IEEE Global High Tech Congress on Electronics, 2012.
[18]L. Sun, R. Zou, "Adaptive Bilateral Filter Considering Local Characteristics", Image and Graphics, Sixth International Conference, 2011.