基于小波理论的医学图像增强研究

基于小波理论的医学图像增强研究

论文摘要

在图像处理领域,图像增强是很重要的一方面,将图像的可懂度提高,即根据实际应用的需求将图像中的一些特征进行有针对性地突出,是图像增强的主要目的。乳腺癌是肿瘤的一种,由于人体组织、光照、噪声等各种因素的影响,使得影像中的钙化点和肿物特征不是很清晰,直接影响到医生通过X线影像对病变组织和正常组织的辨识。对此,如果在医生诊断前先对X线影像进行增强处理,突出原影像中的钙化点和肿物,则可以有效地降低由于图片清晰度不够而为病情诊断带来的困难,从而减小误诊率。基于小波理论的图像增强算法很多,但是这些算法都着重于对小波系数的处理,而获取细节信息都是采用传统的将低频子图像进一步分解的方法,本文注意到小波分解后高频子图像中依然存在大量的细节信息,如果将高频子图像也进一步分解,将可提取到更多的细节信息。基于此,本文提出一种新的医学图像增强算法,将传传统的图像分解方法进行改进,并用具有微分性质的反对称双正交小波基来实现图像分解,在边缘提取时克服了传统算法计算量大,不满足实时性的缺点。对乳腺图像增强的目的在于凸显其中的钙化点信息和肿物,基于小波的图像增强算法可以对钙化点有很好的增强,但是对于肿物特征需要用具备曲线检测能力的曲波变换来对其实现增强。现有曲波图像增强方法基本上都是对分解后的各个子图像同时进行曲波变换来实现的,由于曲波变换是基于Radon变换的,计算复杂且极易引起块效应,本文在此基础上结合曲波理论将提出的小波增强算法进行改进,用曲波来检测边缘,用小波来细化边缘。本文基于Matlab对乳腺钼靶X线图像进行仿真,结果显示本文提出的算法较其它算法具有诸多优点,如计算量小,处理后图像边缘轮廓和纹理细节清晰,钙化点之间独立,没有结块及大块发白等情况。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景
  • 1.2 研究现状
  • 1.2.1 空域图像增强
  • 1.2.2 小波图像增强
  • 1.3 论文的主要工作
  • 第2章 小波基本知识
  • 2.1 引言
  • 2.2 小波变换理论
  • 2.2.1 连续小波变换
  • 2.2.2 二进小波变换
  • 2.3 多分辨分析
  • 2.4 小波基简介
  • 2.5 本章小结
  • 第3章 基于小波的图像增强理论
  • 3.1 引言
  • 3.2 图像的多分辨分解
  • 3.3 图像增强
  • 3.3.1 基于小波的图像降噪
  • 3.3.2 基于小波的图像边缘检测
  • 3.3.3 基于小波的图像增强
  • 3.4 本章小结
  • 第4章 基于小波理论的医学图像增强算法
  • 4.1 图像分解
  • 4.1.1 图像分解方法
  • 4.1.2 分解后图像的降噪和增强处理
  • 4.2 基于反对称双正交小波基进行图像重构
  • 4.2.1 边缘提取
  • 4.2.2 边缘增强
  • 4.2.3 图像重构
  • 4.3 后期处理
  • 4.4 图像增强算法
  • 4.5 图像增强效果评价
  • 4.6 医学图像仿真
  • 4.7 本章小结
  • 第5章 结合曲波理论的图像增强算法改进
  • 5.1 脊波和曲波基本理论
  • 5.2 结合曲波理论的图像增强算法
  • 5.3 医学图像仿真
  • 5.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].图像去噪方法探析[J]. 科技与创新 2016(23)
    • [2].图像去噪处理技术在通信领域的应用[J]. 电子技术与软件工程 2017(03)
    • [3].改进分数阶积分的激光图像去噪研究[J]. 内蒙古师范大学学报(自然科学汉文版) 2017(02)
    • [4].数字滤波技术在医学图像去噪中的应用[J]. 数字技术与应用 2016(10)
    • [5].基于小波变换的图像去噪方法综述[J]. 电子制作 2015(07)
    • [6].基于预滤波的组稀疏残差约束图像去噪模型[J]. 传感器与微系统 2020(02)
    • [7].利用生成对抗网络的时频图像去噪和增强处理[J]. 电讯技术 2020(05)
    • [8].一种基于分数阶积分的图像去噪改进方法(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2020(10)
    • [9].几种图像去噪方法的比较研究[J]. 通信技术 2017(11)
    • [10].图像去噪算法设计的三种形态[J]. 咸阳师范学院学报 2015(02)
    • [11].高斯滤波在水下声呐图像去噪中的应用[J]. 黑龙江科技信息 2015(19)
    • [12].一种改进的变分法图像去噪模型[J]. 数学学习与研究 2019(17)
    • [13].一种基于小波变换的图像去噪方法的应用研究[J]. 河南科学 2013(01)
    • [14].一种医学图像去噪程序的并行优化[J]. 中国医学物理学杂志 2012(06)
    • [15].基于多线性权重核范数最小化的遥感图像去噪(英文)[J]. 机床与液压 2020(12)
    • [16].改进小波阈值和全变分图像去噪[J]. 宜宾学院学报 2020(06)
    • [17].基于泊松分布的非局部均值图像去噪方法[J]. 液晶与显示 2020(10)
    • [18].基于深度残差网络的强辐照图像去噪方法研究[J]. 仪表技术与传感器 2019(07)
    • [19].一种基于形态变换的图像去噪方法[J]. 无线互联科技 2017(07)
    • [20].基于最大值滤波和数学形态学的弹性图像去噪[J]. 电脑知识与技术 2017(24)
    • [21].一种基于小波阈值改进的图像去噪方法[J]. 齐鲁工业大学学报(自然科学版) 2017(03)
    • [22].基于边缘检测与双边滤波的彩色图像去噪[J]. 信息化建设 2015(11)
    • [23].一种改进的自适应非局部均值图像去噪方法[J]. 控制工程 2016(06)
    • [24].不同分辨率遥感图像去噪方法研究[J]. 城市地理 2015(22)
    • [25].小波变换在图像去噪中的应用[J]. 电子世界 2013(24)
    • [26].PET/CT医学图像去噪方法的研究[J]. 清华大学学报(自然科学版) 2012(08)
    • [27].基于小波系数相关性的图像去噪研究[J]. 潍坊教育学院学报 2010(02)
    • [28].数字图像去噪方法的比较与研究[J]. 中国新技术新产品 2010(15)
    • [29].梯度引导的高阶几何彩色图像去噪模型[J]. 中国图象图形学报 2017(10)
    • [30].基于双边滤波的自适应彩色图像去噪研究[J]. 包装工程 2017(15)

    标签:;  ;  ;  ;  ;  ;  

    基于小波理论的医学图像增强研究
    下载Doc文档

    猜你喜欢