学位论文 > 优秀研究生学位论文题录展示

基于稀疏分解的医学图像去噪

作　者: 邢博
导　师: 王俊
学　校: 南京邮电大学
专　业: 电子与通信工程
关键词: CT图像匹配跟踪稀疏分解分块自适应
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 62次
引　用: 0次
阅　读: 论文下载

内容摘要

随着医学、计算机技术的发展,医学影像技术在临床应用上发挥着越来越重要的作用。医学CT图像在成像过程中,由于成像机制和外界因素的影响,将不可避免的引入噪声。传统的去噪方法往往需要知道噪声的统计特性,本文以匹配跟踪算法的稀疏分解为基础提出了自适应分块稀疏去噪方法和分块硬门限阈值稀疏去噪方法。本文具体做了如下工作:(1)首先,用匹配跟踪算法实现一维信号和二维图像信号的稀疏分解。为了保证图像稀疏分解有良好的视觉效果,本文选择的过完备原子库是非对称原子库。针对匹配跟踪方法运算量巨大的问题,引入遗传算法寻找与信号最佳匹配的原子,同时提出分块的思想,即把分块后的图像单独进行去噪。实验表明,分块后对各子块采用遗传算法分解寻找的最佳匹配原子能有效的重建原图像,大大降低了运算量,节省运算时间。(2)其次,本文采用提出的分块稀疏分解去噪方法对医学图像去噪。在医学图像去噪中,为了解决稀疏自适应去噪问题,引入了图像相干比阈值作为医学图像去噪的结束条件。通过大量实验确定了不同尺寸下图像的相干比阈值,并且验证了相干比阈值的选择只与图像尺寸有关。本文在分块的基础上又研究了医学图像去噪结束的硬门限阈值方法,实验结果表明,在不知道图像中噪声的先验统计特征下,只要选择合适的原子数重建原图像,硬门限阈值法也能对图像中噪声的去除有一定的效果。

全文目录

摘要  4-5
Abstract  5-6
目录  6-8
第一章绪论  8-12
  1.1 医学图像去噪的背景  8
  1.2 图像去噪的研究进展  8-9
  1.3 图像质量评价  9-10
    1.3.1 主观评价  9-10
    1.3.2 客观评价  10
  1.4 本文工作安排  10-12
第二章图像去噪方法简介  12-19
  2.1 数字图像的有关知识  12
  2.2 空间域上图像去噪  12-15
    2.2.1 线性滤波  13-14
    2.2.2 中值滤波  14-15
  2.3 频率域图像去噪  15
  2.4 小波去噪  15-19
    2.4.1 小波收缩法  16-17
    2.4.2 阈值收缩法去噪结果  17-19
第三章信号的稀疏表示  19-34
  3.1 信号表示  19-20
  3.2 正交分解  20-22
  3.3 信号的稀疏表示  22-24
    3.3.1 信号的过完备原子库  23-24
  3.4 信号稀疏分解的MP算法  24-30
    3.4.1 匹配跟踪（MP）算法的基本思想  24-26
    3.4.2 MP算法的实现方法  26-29
    3.4.3 MP算法计算复杂性分析  29-30
  3.5 基于MP算法信号稀疏分解仿真实验  30-34
第四章医学图像的稀疏分解  34-43
  4.1 图像稀疏分解  34-36
    4.1.1 图像稀疏分解原理  34-35
    4.1.2 图像过完备原子库的选择  35-36
  4.2 基于遗传算法的图像MP稀疏分解  36-39
    4.2.1 遗传算法  36-38
    4.2.2 基于遗传算法和MP的图像稀疏分解  38-39
  4.3 基于遗传算法实验结果与分析  39-43
第五章基于稀疏分解的医学图像去噪  43-55
  5.1 图像稀疏分解去噪原理  43-44
  5.2 图像有用信息与噪声信息的区分  44-49
    5.2.1 采用硬门限  44-47
    5.2.2 相干比阈值  47
    5.2.3 医学图像相干比阈值的确定  47-49
  5.3 基于分块的医学图像去噪  49-50
    5.3.1 基于分块的去噪的思想  49-50
    5.3.2 基于分块去噪的实验仿真  50
  5.4 分块下相干比阈值去噪  50-52
  5.5 分块下硬阈值去噪  52-55
第六章总结与展望  55-57
  6.1 论文总结  55
  6.2 下一步工作展望  55-57
致谢  57-58
参考文献  58-61
攻读硕士期间工作成果  61

基于稀疏分解的医学图像去噪

内容摘要

全文目录

相似论文