斑点抑制
-
基于改进极化白化滤波的PolSAR图像增强系统
该项目旨在开发一套针对全极化合成孔径雷达（PolSAR）图像的改进型极化白化滤波（PWF）处理软件，其核心目标是在抑制相干斑噪声的同时最大限度地保留地物目标信息。系统首先读取全极化雷达系统获取的HH、HV、VH、VV四个极化通道的原始复电场强度数据。在处理过程中，项目通过构建极化散射矢量及对应的协方差矩阵，利用白化变换技术对多通道数据进行线性组合，从而在统计意义上达到最佳的斑点抑制效果。改进之处在于引入了自适应窗口处理机制，能够根据局部区域的非均质性调整滤波权重，有效防止边缘模糊和点目标损失。处理完成后， -
基于SRAD算法的超声图像斑点噪声抑制系统
本项目在MATLAB环境下实现SRAD（Speckle Reducing Anisotropic Diffusion）算法，主要用于超声图像或其他相干成像系统产生的乘性斑点噪声抑制。SRAD算法是对传统各向异性扩散滤波（如P-M模型）的改进，它专门针对斑点噪声的统计特性设计，利用瞬时变异系数作为扩散控制器。 该功能可以根据图像局部区域的方差与均值之比自动调节扩散强度。在图像的均匀区域，算法会进行充分的扩散以平滑噪声；而在图像的边缘、线状结构或点目标处，算法会减小扩散系数，从而在抑制噪声的同时保持甚至增强边 -
基于小波变换与各向异性扩散的超声图像去噪系统
本项目致力于解决医学超声成像中固有的乘性斑点噪声问题，该噪声严重降低了图像对比度并掩盖了微小的组织结构。项目核心功能是结合小波变换（Wavelet Transform）的多分辨率分析优势与各向异性扩散（Anisotropic Diffusion）的边缘保持平滑特性，开发一套高效的混合去噪算法。具体实现方案如下：首先将原始超声图像进行对数变换，将乘性斑点噪声转化为加性高斯白噪声模型；随后利用离散小波变换对图像进行多尺度分解，分离出代表图像轮廓的低频近似系数和代表细节与噪声的高频系数。在小波域中，针对不同的子带系数采用改进的各向异性扩散策略（如SRAD或PM模型），利用局部梯度信息动态调整扩散系数，在强力平滑均匀区域噪声的同时，自动阻断跨越组织边界的扩散，从而锐化边缘。同时结合小波阈值收缩技术进一步滤除高频噪声成分。最后通过小波逆变换和指数变换重构图像。该项目能够显著提升图像的峰值信噪比（PSNR）和结构相似性（SSIM），在保留关键病灶特征的前提下大幅提升超声图像的视觉质量，适用于临床B超图像的预处理环节。
