学位论文 > 优秀研究生学位论文题录展示

数字化X线摄影图像去噪方法研究

作　者: 林芳宇
导　师: 周荷琴
学　校: 中国科学技术大学
专　业: 模式识别与智能系统
关键词: DR 图像去噪统计特性多小波 Contourlet CUDA
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 68次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电子及计算机技术的发展,现代医学影像技术也随之快速发展,常规X线摄影设备的数字化进程被快速地推进,数字化X线摄影设备(Digital Radiography,DR)也应运而生。DR通过电荷耦合器件探测器(Change-Couple Device,CCD)或平板探测器将X射线信号转换为数字化图像,具有诸多优点,比如成像速度快、所需X线剂量少、图像分辨率高、动态范围宽、成像连续性好、操作简便等,这使得它在临床诊断中被广泛应用,是最普及的大型医疗设备之一。然而,在DR成像过程中,由于各种原因产生了种类繁多且复杂的噪声,这些噪声降低了DR图像的质量并且干扰了医生的临床诊断,为此学术界和工业界对DR图像去噪问题展开研究并取得一系列的研究成果。但是诸如线性滤波之类的传统DR图像去噪方法,由于较为简单粗放或对DR图像的针对性不够强,难以在有效去噪和保留更多细节信息两方面取得很好的平衡。为了探索DR图像噪声的去除方法,本文在熟悉和掌握DR成像原理的基础上对DR去噪问题进行深入的研究,分析噪声的来源和特点并确定主要的噪声研究对象,然后针对不同的主要噪声分别进行去噪方法的研究。归纳起来,本文主要完成了以下的研究工作:(1)对于DR图像的脉冲噪声,本文首先分析了脉冲噪声的产生原因和特点,然后对传统的脉冲噪声去除方法进行概述与分析,接着详细介绍了一种新的开关型中值滤波法,该方法基于脉冲噪声的统计特性建立了准确的噪声混合模型,最后对该方法进行分析与讨论。(2)为了消除DR图像的泊松噪声,本文研究了基于多小波领域的阈值去噪法,在分析泊松噪声的多小波系数特点的基础上,采用协方差收缩方法对传统的阈值和阈值函数进行改进。本文的系数收缩方法和泊松噪声密切关联,可以针对各个多小波高频细节子带,计算出不同的收缩阈值,具有良好的自适应性。(3)对于DR图像的高斯噪声,本文研究了基于改进的Contourlet变换阈值法。首先引入结合了递归循环平移的Contourlet变换对图像进行分解,然后对传统的阈值和阈值函数进行了改进,最后基于GPU对算法进行加速计算。

全文目录

摘要  4-5
ABSTRACT  5-9
第1章绪论  9-19
  1.1 数字化X 线摄影概述  9-12
  1.2 DR 图像去噪方法的研究意义  12
  1.3 国内外研究现状  12-15
  1.4 DR 图像去噪中的关键问题  15-16
  1.5 本文的主要工作  16
  1.6 本文的结构安排  16-19
第2章 DR 成像系统及X 射线探测器  19-25
  2.1 DR 成像系统介绍  19-20
  2.2 探测器类型  20-21
  2.3 平板探测器工作原理  21-24
  2.4 本章小结  24-25
第3章基于统计特性的DR 图像脉冲噪声去除方法  25-33
  3.1 脉冲噪声的产生  25-26
  3.2 去除脉冲噪声的传统方法  26-27
  3.3 基于DR 脉冲噪声特性的RaIN 方法  27-30
    3.3.1 不存在脉冲噪声时的估计模型  27-28
    3.3.2 存在脉冲噪声时的估计模型  28-29
    3.3.3 gi 的估计  29-30
  3.4 关于RaIN 方法的分析与讨论  30-31
  3.5 本章小结  31-33
第4章基于多小波的DR 图像泊松噪声去除方法  33-45
  4.1 泊松噪声的产生  33
  4.2 小波阈值去噪和多小波介绍  33-36
    4.2.1 小波阈值去噪  34
    4.2.2 含两个尺度函数的双小波变换  34-36
  4.3 基于协方差的多小波阈值去噪  36-40
    4.3.1 阈值的收缩方法  36-39
    4.3.2 多小波DR 去噪流程  39-40
  4.4 实验结果与分析  40-43
  4.5 本章小结  43-45
第5章基于Contourlet 的DR 图像高斯噪声去除方法  45-57
  5.1 高斯噪声的产生  45
  5.2 Contourlet 变换  45-47
  5.3 改进的Contourlet 阈值DR 图像去噪  47-50
    5.3.1 基于递归循环平移的Contourlet 阈值去噪  47-48
    5.3.2 阈值的估计  48-50
  5.4 算法加速  50-53
    5.4.1 CUDA 平台介绍  50-51
    5.4.2 基于CUDA 平台的算法加速  51-53
  5.5 实验结果与分析  53-56
  5.6 本章小结  56-57
第6章总结与展望  57-59
  6.1 全文工作总结  57-58
  6.2 研究工作展望  58-59
参考文献  59-65
致谢  65-67
在读期间发表的学术论文与取得的其他研究成果  67

相似论文

医学超声图像去噪方法研究,TP391.41
SAR图像超分辨率重构研究,TN957.52
脓毒症肺损伤（ALI/ARDS）患者外周血免疫指标Th1、Th2、HLA-DR和Treg的变化及中西医结合治疗,R459.7
轮廓波变换及其在图像处理中的应用,TP391.41
基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
基于分形和多小波理论的静脉特征提取研究,TP391.41
数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
机器视觉系统中的图像噪声处理算法研究,TP391.41
基于GPU的有限元方法研究,O241.82
基于压缩感知的分布式视频编码技术研究,TN919.81
基于CUDA的正则表达式匹配系统的设计与实现,TP311.52
基于核回归与非局部方法的图像去噪研究,TP391.41
基于GPGPU的快速白光干涉测量系统研究,O439
群体仿真算法研究及疏散仿真系统开发,TP391.9
基于GPU的图书推荐系统研究与实现,TP391.3
航拍图像增强处理与拼接技术实现,TP391.41
基于CUDA的视频火灾检测系统,TP391.41
Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
基于GPU的X射线重建算法加速研究,TP391.41
基于偏微分方程的图像去噪与增强研究,TP391.41
基于压缩传感的重构算法研究,TN911.7