基于小波变换的医学图像增强和配准技术研究

论文摘要

小波变换是一种多分辨率分析方法,它在时频域均可表征信号的局部特征,是一种时间窗和频率窗均可改变的时频局部化分析方法。它可以聚焦到分析对象的任何细节。本文主要讨论了两类基于小波变换的医学图像处理技术:基于小波变换的图像增强,能在不同尺度级上,对感兴趣的频率分量采取不同的处理形式,使增强更灵活、有效,层次感强,并且在突出图像细节特征的同时,能有效抑制噪声的影响。因此,它是种有效的医学图像增强方法。基于小波变换的图像配准,主要利用不同层次的近似图像的特征信息,利用相似性测度和优化算法,寻找最佳的配准参数。由于各分辨率下,图像的像素个数不同,我们从最低分辨率开始,计算量逐渐增大,最低分辨率的配准参数直接影响后面的准确性。基于小波变换的医学图像增强方法,首先对图像进行反比例加权平均法去除图像的噪声,然后对图像做小波变换,对所有的高频子带做Haar变换,在此基础上,再针对不同分解层次的高、低频系数使用不同的增强系数进行增强,以获得更丰富的高频信息。最后对重构图像进行灰度线性变换,以丰富图像的灰度信息。实验表明,重构图像能突出物体的边缘轮廓,达到了增强图像的目的。基于小波变换的医学图像配准方法,首先对基准图像和待配准图像进行小波变换,对基准图像进行特征提取,从最低分辨率低频子图开始进行特征点匹配,选取一定数量的特征点,利用互信息最大化和改进的遗传算法确定基准图像和待配准图像之间的角度,水平平移分量和竖直平移分量;利用从最低分辨率得到的角度和平移分量,带到下一级高分辨率等级的搜索,一直到最高分辨率位置,得到最佳的特征点对。选择刚体变换模型,求解变换模型参数。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 关于医学图像增强和配准的研究意义
• 1.1.1 医学图像增强
• 1.1.2 医学图像配准
• 1.2 关于医学图像增强和配准的研究现状
• 1.2.1 医学图像增强
• 1.2.2 医学图像配准
• 1.3 本文的组织结构
• 第二章 小波变换
• 2.1 Haar 变换
• 2.2 多分辨分析
• 2.2.1 平方可积空间
• 2.2.2 Haar 多分辨分析
• 2.3 离散小波变换
• 2.3.1 卷积计算
• 2.3.2 Mallat 算法
• 2.4 图像的小波变换
• 2.5 二维离散小波变换
• 2.5.1 图像小波变换的频率特性
• 2.5.2 图像 Mallat 算法步骤和描述
• 2.6 简化的多小波变换
• 2.7 本章小结
• 第三章 预处理
• 3.1 直方图
• 3.1.1 直方图均衡化
• 3.1.2 非线性直方图均衡化
• 3.2 图像去噪
• 3.2.1 软阈值法去除噪声
• 3.2.2 邻域平均法去除噪声
• 3.2.3 中值滤波去除噪声
• 3.3 去噪图像质量评价的方法
• 3.3.1 图像质量的主观评价
• 3.3.2 图像质量的客观评价
• 3.4 仿真实验
• 3.5 本章小结
• 第四章 图像刚体变换，互信息和优化方法
• 4.1 刚体变换
• 4.2 互信息
• 4.2.1 互信息的定义
• 4.2.2 互信息方法
• 4.2.3 互信息方法的应用
• 4.3 优化算法在图像配准中的应用
• 4.3.1 遗传算法基本思想
• 4.3.2 遗传算法在本文应用
• 4.3.3 遗传算法优越性
• 4.4 本章小结
• 第五章 基于小波变换的医学图像增强
• 5.1 医学图像增强
• 5.2 基于简化多小波变换的增强算法原理
• 5.2.1 反距离加权平均法去噪
• 5.2.2 系数增强
• 5.2.3 重构图像
• 5.2.4 算法步骤
• 5.3 仿真实验
• 5.4 本章小结
• 第六章 基于小波变换的医学图像配准
• 6.1 医学图像配准
• 6.1.1 基本思想
• 6.1.2 基本步骤
• 6.2 基于小波变换的配准算法原理
• 6.2.1 刚体变换公式
• 6.2.2 插值处理
• 6.2.3 算法步骤
• 6.3 仿真实验
• 6.4 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要