关于改进的X射线医学影像去噪算法及其实现

第一章绪论

1.1引言
本论文研究的是医学影像的数字图像处理。医学影像包括X射线图像，CT和核磁图像，显微图像，B超图像等，数字图像处理是指将图像信号转换成数字信号，并利用计算机对其进行处理的过程。20世纪60年代，数字图像处理技术在对卫星遥感图像的处理中，发挥了巨大的作用，70年代，此项技术开始逐渐应用于医学影像领域，并在90年代得到了迅猛发展⑴。最近几年，随着计算机科学与技术、计算机网络迅猛的发展，使得数字图像处理技术与人们日常的生话关系越来越密切，数字图像处理技术也得到了飞速的发展。
因此，应用此项技术对X射线医学影像进行处理亦是大势所趋。本文便是通过应用改进后的Retinex理论，使得增强后的X射线医学影像能有更好的视觉效果。
....................................

1.2医学影像与医学影像学
人体的各种组织、器官，当它们发挥功能和进行代谢的时候，通常会伴随着某些信息的产生。我们如果能釆集到这些信息，并对其加工处理，便能够对人体的健康状况有所了解，以此发现疾病，并对其进行有效的预防和诊断，从而提高人们的健康水平。由于人们迫切地希望能够直接的看到人体的内部，，期望对人体组织和器官形态以及病理有更为直观的了解，各类医学影像便由此应运而生，并得到了迅速的发展。
医学影像包含甚广，而且这对疾病的诊断是最为直观的，而且是最便捷的。医学影像处理的目的，是研究医学影像的理论和方法，开发可用于临床的医学影像技术、计算机集成诊断系统等，为人类的健康事业服务。
医学影像学是医学研宄领域中的一个重要的方向。医学影像学主要包括人体信息的获取以及图像的形成、处理、分析、存储、传输、应用，其内容主要有以下三大部分：医学影像物理学（成像系统与成像原理)、医学影像处理技术和医学影像应用技术[2]。
在论文中，我们主要研究医学影像处理技术。医学影像处理技术发展到今天，己经使传统的医学影像获取和观察的方法被彻底的改变，同时也使图像在医学中变得更为重要。最近，随着计算机图像处理与分析、计算机图形学和计算机网络等技术的不断发展，医学影像处理技术也逐渐成为了一门极具特色的交叉学科。
................................

第二章数字图像增强算法基础

2.1概述
数字图像处理中最基本的内容之一便是图像增强，它的主要目的是改善图像的视觉效果，提高图像的清晰度，将图像转化成一种更适合于人们或计算机处理分析的形式，因此，如何改善图像的质量是图像增强的根本目的。
数字图像增强的方法，可以分为两类：空间域的增强和基于频率域的增强算法。当然，为了获得更好的图像处理效果，在实际的科研工作中，两种方法往往相互混合使用。然而，就方法本身而言，往往没有任何创新之处，而只是两种不同方法的累积、叠加，因此，从严格意义上来讲，并没有超过二者的范围。
传统的图像增强算法虽然功能相对单一，但是由于其算法简单在实际中仍然得到了广泛的应用。本章将重点介绍在空间域和频率域主要传统增丨虽技术的基本原理，并且，其中的一些基本概念和操作，如空间卷积等，将应用于后续章节中。
........................................

2.2空域增强算法
空域增强主要分为两类，一类是直接处理每一个像素点，如图像的灰度变换，便是基于点的操作，将每一个像素的灰度值按照一定的数学公式转变为一个新的灰度值，常用的方法有对比度增强、直方图均衡等。另一类是空间滤波，这是基于邻域的，也即局部的处理。强调局部是为第三章末节，全局去噪算法做的铺垫。方法是用某一个模板对像素及其周边的像素进行数学分析和运算，得到该像素的新的灰度值，常用的空间域滤波技术有图像平滑滤波与图像锐化滤波。
2. 2.1灰度变换
毫无疑问，灰度变换是所有图像处理技术中最为简单的。这里规定，用r,s分别表示输入、输出像素的灰度级，则s=T(r)。其中T是将r值映射到s的一种变换，也即灰度变换函数的一种映射关系_。最主要的包括三种：线性变换(反转、恒等变换)、对数变换(对数、反对数变换)和幕律变换(n次幂、n次根变换）。下面分别讨论这几种变换。
.....................................

第三章 改进的X射线医学影像去噪算法及其实现................ 24-30 
3.1 X射线医学影像噪声特性..................... 24-25 
3.2 基于局部区域去噪............................ 25 
3.3 改进的非局部平均去噪算法的理论分析............... 25-27 
3.4 改进的IU-NLM算法的实现....................... 27-30 
第四章 改进的复合Retinex算法(LRA算法)理论分析............. 30-40 
4.1 Retinex理论背景与基础 ..........30-31 
4.2 Retinex算法的发展........................... 31-36 
4.2.1 随机步行Retinex算法.............. 31-32 
4.2.2 McCann's Retinex算法 .....................32-33 
4.2.3 SSR算法 ...............33-35 
4.2.4 MSR算法................... 35 
4.2.5 MSRCR算法.......................... 35-36 
4.3 改进的复合Retinex算法LRA算法................. 36-40 
4.3.1 LRA算法的理论基础................. 36-38 
4.3.2 LRA算法的具体实现.......................... 38-40 

第五章 实验结果与分析

在第四章中，本文完成了关于Retinex理论的分析，并对己有的Retinex算法中较重要的部分算法迸行了讨论，根据X射线成像的特点，本文提出了基于原有算法的复合Retinex算法LRA算法，下面探讨其参数选取等问题。
5.1改进的复合Retinex算法LRA算法参数的选择与分析
任何参数的选择都离不开图像质量的评测。选择尺度参数q =80，先用传统的SSR算法对两组测试X射线图像进行处理。
通过观测图5-1中b，d，也即SSR作用的结果，可以很明显的看出虽然图像亮度明显提升，在较暗处的对比度有明显增加，但在光亮处的对比度却因为亮度的普遍增加而减小了。这导致的必然的结果就是细节的丢失。医学影像更不允许这种现象的发生。
对于参数m，d2 ：
式4-13中即为了调整这样的现状。可以设想，在光亮的图像中减去与之相对应的带有一定细节的暗图像，可以增加光亮区域的对比度，同时，虽然灰度值有所下降，但是在视觉上并没有产生过大的反差。意即在SSR增加了整个图像亮度与暗区域对比度的同时，项在略减少整幅图像灰度但并不影响视觉的情况下，增加了光亮区域的对比度。
...................................

总结

本文首先介绍了当前X射线医学影像的发展现状，并在此基础上较为详尽地研宄并实现了数字图像处理的基础领域，包括空域、频域处理。并在实际处理当中明确了图像降噪的必要性，又详细讨论了图像降噪的方法，分析了基本的图像降噪思想与模型，同时创新地提出了本文改进的非局部平均去噪算法（NLM算法)，并实验实现。
在论文中，作者详细考察了 Retinex算法的发展及历史，并编程实现了包括SSR, MSR, MSRCR等算法，同时说明了各算法对于X射线医学影像而言的优缺点。
为弥补上述说法的不足，根据X射线成像机理，本文据此提出了自身的复合Retinex 算法 LRA(Logsig cumulative Reintex Algorithm)算法。并给出 了参数选择的标准与增强结果的分析，说明了 LRA算法相较于其他Retinex算法对于X射线医学影像的优越性。
关于LRA算法进一步的改进设想，本文认为可以适当开发出计算“暗图像”的非线性方式，从而能够更加突出算法思想，因为算法的线性性质被本文认为是还可以使效果进一步提升的瓶颈。
.............................
参考文献（略）