学位论文 > 优秀研究生学位论文题录展示
小波分析在医学图像处理中的应用研究
作 者: 杨静
导 师: 张思杰
学 校: 重庆大学
专 业: 信号与信息处理
关键词: 小波变换 新阈值函数 NeighShrink阈值去噪 子带增强 Laplacian增强
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 129次
引 用: 1次
阅 读: 论文下载
内容摘要
随着科技的发展,医学影像技术在临床诊断和治疗方面发挥着越来越重要的作用。医学图像(如CT,B超,MRI等)能给医生提供较客观的数据,能及早的发现疾病,辅助医生进行手术治疗。然而,医学图像本身有着许多缺陷,边界不明显或者模糊不清,此外图像在成像过程中因为设备的成像机理、传输过程的干扰或显示设备等因素的限制,其质量会受到一定的影响,使得人眼很难对得到的图像做出准确的判断,给医生的诊断和治疗带来一定的困难。为了提高医学图像的可读性,有效的观察病情,进行正确的诊断和治疗,对医学图像要进行处理。传统的图像处理方法容易放大噪声,丢失边缘或细节信息,不适合医学图像的处理。小波分析是继傅立叶分析之后新的时频分析工具,由于它具有良好的时频局部特性以及多分辨率分析特性,能很好的实现信噪分离,在医学图像处理方面显出了独特的优势。本文主要研究了基于小波变换的医学图像去噪和增强算法,主要做了以下工作:首先,介绍了医学影像存档与传输系统(PACS)的几个主要模块。介绍了小波变换以及图像分解与重构的基本理论,为后续的图像处理提供理论基础。其次,分析了小波变换的模极大值去噪,相关性去噪以及阈值萎缩去噪,针对软硬阈值函数的缺点,提出一种新的阈值函数,并通过仿真实验证明此新阈值函数效果较软硬阈值函数好。进一步分析了NeighShrink阈值去噪,由于NeighShrink阈值去噪在对小波系数进行处理时,考虑了其邻域的小波系数,减少了重要的细节丢失,较好的保留了图像的边缘及细节,克服了软、硬阈值去噪的缺点。然而,它在去噪的同时将所有的小波系数都收缩了,使图像的边缘或细节被削弱了,针对该问题提出了其改进的方法,在去噪的同时能增强图像的边缘、细节信息。仿真实验结果表明改进的算法比小波强制消噪,小波软阈值去噪,小波硬阈值去噪,NeighShrink阈值去噪效果好。最后,研究了基于小波变换的图像增强方法,重点介绍了小波高频子带增强算法,在此基础上提出了基于新阈值函数的小波增强算法,并将小波增强后的图像再进行空域的Laplacian增强,通过实验证明小波加Laplacian增强的方法既突出了图像的边缘细节特征,又抑制了噪声的放大,效果较单一方法好。
|
全文目录
中文摘要 3-4 英文摘要 4-8 1 绪论 8-12 1.1 课题研究背景及意义 8-9 1.2 小波理论在国内外的发展 9 1.3 小波在图像处理中的发展与现状 9-10 1.4 本文的主要工作 10-12 2 医学图像处理系统及分析 12-17 2.1 医学图像处理系统的基本结构 12-13 2.2 医学图像数据的采集 13-15 2.2.1 图像的采样 13-14 2.2.2 图像的量化 14-15 2.3 医学图像的传输与存储 15-16 2.4 医学图像的处理 16 2.5 本章小结 16-17 3 小波分析的理论基础 17-27 3.1 傅立叶变换到小波变换 17-19 3.2 连续小波变换 19-20 3.3 离散小波变换 20-21 3.4 多分辨率分析 21-22 3.5 小波分解与重构—Mallat 算法 22-24 3.6 图像的二维离散小波变换 24-26 3.7 本章小结 26-27 4 小波在医学图像去噪中的应用 27-50 4.1 图像去噪效果评价指标 27-28 4.2 小波去噪的原理 28-29 4.3 小波去噪的方法 29-32 4.3.1 小波变换模极大值去噪 29-31 4.3.2 小波系数的相关性去噪 31-32 4.3.3 小波阈值去噪 32 4.4 影响小波去噪的因素 32-34 4.4.1 小波基的选取 33-34 4.4.2 小波分解层数的选择 34 4.4.3 噪声方差的估计 34 4.5 小波阈值去噪的改进 34-42 4.5.1 阈值的选取 34-36 4.5.2 阈值函数的选取 36-37 4.5.3 一种改进的阈值函数 37-38 4.5.4 实验结果及分析 38-42 4.6 NeighShrink 去噪算法 42-49 4.6.1 NeighShrink 去噪算法 42-43 4.6.2 NeighShrink 算法的进一步分析 43-44 4.6.3 NeighShrink 算法的改进 44-45 4.6.4 实验结果及分析 45-49 4.7 本章小结 49-50 5 小波在医学图像增强中的应用 50-60 5.1 图像增强的评价指标 51 5.2 图像增强的基本方法 51-52 5.2.1 空域的增强方法 51-52 5.2.2 频率的增强方法 52 5.3 基于小波变换的图像增强原理 52-53 5.4 小波的图像增强算法 53-56 5.4.1 基于小波的子带增强算法 53-54 5.4.2 新阈值函数的小波增强算法 54-55 5.4.3 小波域增强与Laplacian 增强的结合 55-56 5.5 实验结果及分析 56-59 5.6 本章小结 59-60 6 总结和展望 60-62 致谢 62-63 参考文献 63-66 附录 66
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 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
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
- 基于燃烧音识别的火灾探测系统的研究与设计,X924.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|