基于多尺度非线性扩散的泊松噪声移除算法研究  

作　　者：赵俊普 张小波[2] ZHAO Junpu;ZHANG Xiaobo

机构地区：[1]西安石油大学,陕西西安710065 [2]咸阳师范学院,陕西咸阳712000

出　　处：《信息技术与信息化》2025年第4期24-30,共7页Information Technology and Informatization

基　　金：国家自然科学基金项目(61401383);陕西省自然科学基础研究计划项目(2021JM-518)。

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 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]