基于多尺度非线性扩散的泊松噪声移除算法研究
赵俊普1
张小波2
1.西安石油大学 陕西西安 7100652.咸阳师范学院 陕西咸阳 712000
摘要：针对医学、天文图像中泊松噪声污染的图像复原问题,传统去噪方法需手动设置参数,且去噪性能并不理想.而深度学习方法虽去噪性能好,但可解释性差.因此,结合传统非线性扩散去噪方法与深度学习技术的非线性反应扩散(trainable nonlinear reaction diffusion,TNRD)算法因其在去噪性能和可解释性上的优势而受到广泛关注.然而,由于泊松噪声与高斯噪声具有不同的统计特性,导致TNRD在进行泊松噪声去除时效果不佳,易引入伪影.为此,文章提出一种改进算法,先采用Anscombe变换将泊松噪声转为加性高斯噪声,再引入多尺度策略,用TNRD对不同分辨率含噪图像去噪并学习可训练权重,加权融合后经Anscombe精确无偏逆变换闭式近似转换得降噪图像.实验结果表明,该方法提升了去噪性能,并且减少了伪影,增强了模型对复杂噪声模式的适应性,相比一些先进的去噪方法实现了更优的性能.
关键词：泊松噪声图像去噪Anscombe变换多尺度非线性扩散
资助基金：国家自然科学基金(61401383)陕西省自然科学基础研究计划项目(2021JM-518)
论文发表日期：2025-04-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：7( 24-30 )