论文题目: 数字滤波技术在医学图像去噪处理中的应用研究
论文类型: 硕士论文
论文专业: 计算机应用技术
作者: 张旭
导师: 陈树越
关键词: 医学图像去噪,边缘保持,各向异性扩散,小波变换,非线性滤波
文献来源: 中北大学
发表年度: 2005
论文摘要: 本文主要研究了数字图像处理中一些重要的滤波去噪技术并将其应用于实际的医学图像去噪处理之中。对这些技术的研究总体而言分为两个方面:一方面是非线性空域滤波技术,重点是对基于偏微分方程理论的各向异性扩散滤波方法的研究;在这里针对传统的Perona非线性扩散方程在滤波去噪时对图像峰值边缘保护不足的特点提出了两种改进算法,新的算法增强了图像的边缘保护能力。本文还应用可加性分解思想于各向异性扩散方程,在离散形式上作了相应的改进,同样增强了对图像边缘保护的能力,而且还提升了图像区域的平滑效果。对于传统的加权中值滤波和Lee滤波器也提出了相应的改进方案;另一方面是对基于小波变换理论的频域滤波方法的研究。在这里结合李氏指数的理论提出了一种各层小波系数阈值确定的统一形式,并且还重点论述了小波变换滤波和Perona非线性扩散方程在某种条件下的等价性。除了对数字滤波技术的研究,本文还结合医疗影像学的相关知识分析了几种重要医学图像,包括B超图像、磁共振图像、CT图像等的形成机理和噪声特性。本文始终遵循理论联系实践,理论实践并重的研究思路,对算法的理论基础和滤波原理作了较详细的论述,对不同算法均使用C++语言和Matlab语言设计了相关的程序进行验证。为了更好地说明问题和得出最终的结论,本文还专门设计一章通过大量的实验和定量指标并结合仿真图像和实际的医学图像来比较评价不同算法的处理效果。实验表明,本文提出的算法较传统算法均有性能上的提高,从整体上给予了各向异性扩散滤波方法的最佳肯定。这些方法满足了医学图像去噪处理的要求,加强了数字滤波技术的应用性,同时具有理论应用意义。
论文目录:
1 绪论
1.1 概述
1.1.1 医学影像技术简介
1.1.2 医学影像技术与数字图像处理技术的关系
1.2 研究医学图像去噪处理的意义
1.2.1 对医学图像去噪处理的意义
1.2.2 研究医学图像去噪方法的意义
1.3 医学图像去噪的技术背景及发展状况
1.4 本文的内容安排和创新点
2 医学成像及图像噪声分析
2.1 图像噪声概述
2.1.1 图像噪声的含义和分类
2.1.2 图像噪声的衡量
2.1.3 图像加噪的数学方法
2.2 典型医学图像噪声分析
2.2.1 超声图像噪声分析
2.2.2 磁共振图像噪声分析
2.2.3 X -CT图像噪声分析
2.2.4 红外图像噪声分析
2.3 医学图像去噪的一般步骤
3 一些传统的非线性数字滤波技术
3.1 引言
3.2 中值滤波算法及改进
3.2.1 普通中值滤波算法和自适应加权中值滤波算法
3.2.2 改进的自适应加权中值滤波算法
3.3 基于邻域统计特性的滤波算法
3.4 Lee滤波器
3.5 Frost滤波器
3.6 本章小结
4 基于各向异性扩散的非线性滤波技术
4.1 引言
4.2 基于各向异性扩散方程的滤波去噪原理
4.2.1 各向异性扩散方程的引入
4.2.2 去噪原理
4.3 各向异性扩散方程的离散形式
4.3.1 空间离散和时间离散
4.3.2 Perona滤波扩散方程的离散形式
4.3.3 各向异性扩散方程的离散形式
4.4 Perona非线性扩散方程与Lee滤波器和Frost滤波器的关系
4.4.1 Perona非线性扩散方程与Lee滤波器的关系
4.4.2 Perona非线性扩散方程与Frost滤波器的关系
4.5 几种改进的各向异性扩散滤波算法
4.5.1 两种关于Perona非线性滤波的改进算法
4.5.2 基于可加性分解思想的各向异性滤波算法
4.6 滤波停止时间
4.7 本章小结
5 基于小波变换的数字图像去噪技术
5.1 引言
5.2 小波变换去噪分析
5.2.1 多分辨率分析
5.2.2 小波变换
5.2.3 小波变换对图像去噪的一般原理和方法
5.2.4 小波系数阈值门限法对图像去噪的研究
5.3 小波变换与Perona各向同性扩散方程的关系
5.3.1 Haar小波函数
5.3.2 关系论证
5.3.3 三种小波系数的修正函数
5.4 两种优良的小波去噪算法
5.4.1 一种基于预滤波分解的小波系数阈值化去噪算法
5.4.2 基于一种小波系数修正函数的去噪算法
5.5 本章小结
6 实验分析及效果评价
6.1 引言
6.2 图像去噪效果的评价方法
6.2.1 主观评价法
6.2.2 客观评价法
6.3 实验分析
6.3.1 仿真实验分析
6.3.2 医学图像去噪实验
6.4 效果评价
7 结束语
参考文献
致谢
攻读硕士期间发表的论文及所取得的研究成果
发布时间: 2005-05-09
参考文献
- [1].人脸识别中的图像去噪技术研究[D]. 何邵容.湖南大学2016
- [2].一种融合结构张量的变分PDE图像去噪模型[D]. 李倩.华中师范大学2018
- [3].结合全变分模型的图像去噪方法研究[D]. 栾宁丽.华中师范大学2018
- [4].低照度环境下的图像去噪及增强算法研究[D]. 龙雪玲.华中师范大学2018
- [5].基于变分法的图像去噪和增强研究[D]. 冯婷婷.哈尔滨工业大学2018
- [6].偏微分方程在图像去噪中的应用[D]. 刘振宇.吉林大学2018
- [7].基于非局部均值的图像去噪方法研究[D]. 李玲.安徽理工大学2018
- [8].基于Shearlet变换和深度CNN的图像去噪研究[D]. 徐畅.南京信息工程大学2018
- [9].耦合结构信息的多元有限混合模型图像去噪研究[D]. 江涛.南京信息工程大学2018
- [10].面向图像去噪去雾的粒子群优化算法研究[D]. 王铖燕.南京大学2018
相关论文
- [1].图像处理的中值滤波方法及其应用[D]. 吴玉莲.西安电子科技大学2006
- [2].偏微分方程和小波分析在图像去噪中的应用[D]. 李一亮.西安电子科技大学2007
- [3].小波分析在医学超声图像去噪和增强中的应用[D]. 罗忠亮.广西师范大学2004
- [4].图像去噪的偏微分方程方法及其应用[D]. 谢华英.国防科学技术大学2003
- [5].数字图像去噪算法研究[D]. 许冠军.浙江大学2006
- [6].图像去噪方法的研究[D]. 刘祝华.江西师范大学2005
- [7].几种数字图像滤波算法[D]. 葛婷.南京信息工程大学2006
- [8].基于小波变换的医学超声图像去噪方法研究[D]. 徐新艳.山东大学2006
- [9].灰度指纹图像去噪处理研究[D]. 翟永智.新疆大学2002
- [10].基于中值滤波和小波变换的图像去噪[D]. 杨山.南京理工大学2002