基于非局部扩散的图像去噪源代码，该算法利用空间非局部梯度构造了图像的非局部结构张量,通过对非局部结构张量的特征分解得到图像的一个特征空间,依据特征空间的特性设计了非局部扩散张量,建立了基于非局部扩散张量的各向异性扩散模型。该模型和局部各向异性扩散模型的本质不同在于,在扩散的过程中充分利用了图像的全局信息。优点是在去除噪声的同时,能更好地保护图像的边缘,尤其是纹理等图像的重要细节特征。

利用空间非局部梯度构造了图像的非局部结构张量,通过对非局部结构张量的特征分解得到图像的一个特征空间,依据特征空间的特性设计了非局部扩散张量,建立了基于非局部扩散张量的各向异性扩散模型。该模型和局部各向异性扩散模型的本质不同在于,在扩散的过程中充分利用了图像的全局信息。优点是在去除噪声的同时,能更好地保护图像的边缘,尤其是纹理等图像的重要细节特征。

针对低剂量计算机断层成像(CT)重建的图像产生严重退化的问题,提出一种基于片相似性各项异性扩散和最大似然期望最大化(MLEM)的低剂量CT重建算法。首先,采用基本的MLEM算法对低剂量投影数据进行重建;然后,由于片相似性在降噪的同时,也能较好地保持图像的边缘和细节信息的特点,对重建后的图像使用基于非局部理论思想的片相似性降噪方法处理;最后,由于低剂量投影数据还存在脉冲噪声点,使用中值滤波对图像进行处理。采用Sheep-Logan体模作为实验模型进行低剂量CT图像重建的仿真,与BI-MART、BI