图像的去噪实现matlab_使用具有全变差正则化的Nesterov优化方法进行胸部X射线图像去噪...

一、论文题目：

    《Chest X-Ray Image Denoising Using Nesterov Optimization Method with Total Variation Regularization》，中文名《使用具有全变差正则化的Nesterov优化方法进行胸部X射线图像去噪》，发表于Elsevier中的 “Procedia Computer Science-计算机科学” 期刊。

二、背景技术：

      X射线影像技术在医学诊断中起重要作用，随着放射技术和计算机技术的不断发展，X射线影像技术向全面数字化方向发展。在X射线影像技术中，降低图像中的泊松噪声可以改善图像质量，提高医学诊断效率。由于泊松噪声是一种信号依赖噪声，目前泊松噪声的有效降噪方法少于高斯噪声的降噪方法。因此，将噪声的泊松分布先转换为高斯分布，则可利用高斯噪声的有效消除方法来消除泊松噪声。Anscombe于1948年提出了一种从泊松分布转到近似高斯分布的非线性变换方法，该方法称作Anscombe变换，它可以对图像进行预处理，即将泊松分布的数据转化为高斯分布的数据，这样可以将较难处理的泊松噪声，利用高斯噪声的降噪方法进行处理。现有技术中，针对泊松噪声的传统降噪算法比较有限，处理过程中还将噪声和图像信息同等对待，而噪声跟图像信息通常相互叠加构成图像。

二、摘要分析：

       本文提出了一种基于全变差正则化的胸部X线图像去噪方法，并在Nesterov优化算法上实现。将去噪问题表示为二阶锥规划问题，然后将其转化为极小极大形式下的鞍点问题。对胸部X线图像也进行了Anscombe变换处理，使之适用于所提出的去噪问题。在实验中，我们对Radiopedia数据集的胸部X射线图像进行了测试。采用峰值信噪比和结构相似度对去噪效果进行评价。在图像质量评价指标的基础上，将该方法去噪后的图像质量与其他同类去噪方法进行了比较。实验结果表明，该方法的去噪效果优于其他比较的去噪方法。

       We propose a chest X-Ray image denoising method based on Total variation regularization with implementation on the Nesterov optimization method. The denoising problem is formulated in the form of the second-order cone programming problem and then it is transformed to a saddle point problem under  the min-max form.  The chest  X-Ray  images  are  also processed by the Anscombe 

transform to be appropriate for the formulated denoising problem. In the experiments, we test on chest X-Ray images of the Radiopaedia dataset. Denoising results are evaluated by using the Peak signal-to-noise ratio and the Structure similarity metrics. Based on the image quality assessment metrics, we compared images quality after denoisi