医学CT图像去噪和增强方法的研究应用

发布时间：2017-05-02 22:05

  本文关键词：医学CT图像去噪和增强方法的研究应用，，由笔耕文化传播整理发布。

【摘要】：随着科技的进步和技术的发展,在临床医学中医学CT图像发挥着越来越重要的作用,它成为医师诊断疾病的重要手段,尤其在肺癌的早期检查中。近年来,医学影像技术的发展提高了医学诊断的准确度和可信度。医学CT图像跟普通图像有很大的不同,它是对人体的成像。人体的组织器官的密度各不相同、人体的呼吸运动、心跳运动以及获取图像的设备的质量差异,这些因素都可能造成CT图像中感兴趣区域的对比度差、细节边缘模糊、掺杂噪声等问题,这些问题会对医生的诊断造成很大的影响。为此医学CT图像去噪和增强算法的研究就便得十分重要。本文主要从CT图像去噪和CT图像增强两方面进行研究,提出了两种适合与医学CT图像去噪和增强的算法。本文的主要工作包括下面两方面:在CT图像去噪方面,本文先研究一些传统的图像去噪方法,并发现传统的图像去噪算法在对医学CT图像进行去噪时,是对图像中所有的像素点进行处理的,去噪的效果很不理想,去噪后的医学CT图像的细节会变得很模糊,并且丢失大量的细节信息。本文根据医学CT的普遍特点,针对传统去噪方法存在的问题,提出了一个基于灰色关联分析和GM(grey model)预测模型的医学图像去噪算法。该算法首先利用灰色关联分析判断像素点是否是噪声点;并利用GM预测模型对医学图像进行去噪处理。该算法能够避免处理不是噪声的像素点,减少去噪算法对CT图像的细节的破坏。经过该算法去噪处理后的医学图像具有较好的MSE和PSNR,能保留更多的细节信息,较严密地保证图像的真实性。在CT图像增强方面,我们首先将一些传统的图像增强方法应用到CT图像中,发现这些方法并不能对CT图像很好地增强达到我们所需要的效果。在对小波变换的研究中发现,小波变换能够多分辨率、多层次对医学CT图像进行分解,能够获得医学CT图像中更多的高频细节信息,进一步将CT的高频细节信息增强;而Laplacian金字塔也能够将医学CT图像进行多尺度分解,得到高频细节信息。在此基础上,我们根据医学CT图像对细节信息要求十分严苛的特点,我们提出了一个基于小波变换和Laplacian金字塔的CT图像增强算法。首先,对原医学CT图像进行小波变换分解,得到处理结果;然后,对原医学CT图像进行Laplacian金字塔分解得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的CT图像。实验结果表明,该方法在对医学CT图像细节信息的增强效果明显,增强后的CT图像具有很好的MSE和PSNR,能更好的抵抗噪声,并且信息熵基本不变。所以此算法比传统的算法更适用于医学CT图像的增强。
【关键词】：图像去噪 灰色关联分析 GM 图像增强 小波变换 Laplacian金字塔
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 课题的研究背景和意义10-13
• 1.2 国内外研究现状13-17
• 1.2.1 图像去噪13-15
• 1.2.2 图像增强15-17
• 1.3 本文主要研究内容17-18
• 1.4 本文结构18-19
• 1.5 小结19-20
• 第二章 图像去噪和增强相关理论与方法20-33
• 2.1 数字图像20-21
• 2.1.1 数字图像的定义20
• 2.1.2 像素点之间的关系20-21
• 2.2 图像噪声21-22
• 2.3 图像质量的评价标准22-25
• 2.3.1 主观评价23
• 2.3.2 客观评价23-25
• 2.4 图像去噪相关方法25-26
• 2.4.1 灰色理论去噪25-26
• 2.4.2 轮廓波去噪26
• 2.5 图像增强相关方法26-32
• 2.5.1 灰度直方图均衡化27-28
• 2.5.2 灰度变换28-32
• 2.6 小结32-33
• 第三章 图像去噪算法的设计实现33-44
• 3.1 中值滤波33
• 3.2 均值滤波33-34
• 3.3 灰色关联分析34-35
• 3.4 GM预测模型35
• 3.5 图像去噪算法实现35-40
• 3.5.1 噪声点检测36-38
• 3.5.2 噪声点处理38-40
• 3.6 实验结果及分析40-43
• 3.6.1 实验数据集40
• 3.6.2 实验结果40-42
• 3.6.3 实验参数的讨论42-43
• 3.7 小结43-44
• 第四章 图像增强算法的设计实现44-55
• 4.1 小波变换45-47
• 4.2 Laplacian金字塔分解47-49
• 4.3 图像重构49-50
• 4.4 实验结果及分析50-54
• 4.4.1 实验环境50
• 4.4.2 实验数据集50
• 4.4.3 实验结果与分析50-54
• 4.5 小结54-55
• 第五章 总结和展望55-57
• 5.1 总结55-56
• 5.2 展望56-57
• 参考文献57-60
• 致谢60-61
• 研究生期间发表的论文61

【相似文献】

中国期刊全文数据库 前10条

1 王勇智,黄红波;一种数学图像去噪的新方法[J];岳阳职业技术学院学报;2005年01期

2 杨淑伶;郭定辉;管克英;;一个用于图像去噪、量化的反应扩散模型[J];数学的实践与认识;2006年08期

3 王香菊;;图像去噪方法及应用[J];科技情报开发与经济;2007年27期

4 高岚;廖云良;袁中华;;尺度适应性二代小波的图像去噪方法[J];船海工程;2007年06期

5 杨文国;;基于扩散方程的图像去噪[J];科技风;2008年20期

6 于雯辉;田逢春;李立;唐光菊;;基于空域平均的图像去噪方法[J];光电子技术;2008年02期

7 王银峰;朱丽丽;何光宏;朱根琴;;一种基于尺度相关的小波图像去噪方法[J];激光杂志;2008年05期

8 姚斌;杨玲香;;基于非线性复扩散和小波的图像去噪方法[J];航空计算技术;2009年05期

9 李柯材;张曦煌;;基于邻域阈值萎缩法的图像去噪方法的优化[J];计算机应用;2010年01期

10 李燕民;季维勋;李维国;;一种新的图像去噪方法[J];微计算机应用;2010年03期

中国重要会议论文全文数据库 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 张伟;具有扩散—波动调和特性的图像去噪方法[D];上海交通大学;2014年

2 刘孝艳;变分、PDE和非局部滤波在图像去噪中的应用研究[D];西安电子科技大学;2015年

3 罗亮;基于MCMC采样的非局部图像去噪方法研究[D];西安电子科技大学;2015年

4 廖帆;四方向全变分在图像去噪问题中的应用[D];东南大学;2015年

5 刘红毅;结构保持的图像去噪方法研究[D];南京理工大学;2011年

6 侯迎坤;非局部变换域图像去噪与增强及其性能评价研究[D];南京理工大学;2012年

7 侯建华;基于小波及其统计特性的图像去噪方法研究[D];华中科技大学;2007年

8 庞志峰;图像去噪问题中的几类非光滑数值方法[D];湖南大学;2010年

9 褚标;小波理论在图像去噪与纹理分析中的应用研究[D];合肥工业大学;2008年

10 张建平;基于偏微分方程的图像去噪和分割方法[D];大连理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 陈龙;偏微分方程扩散模型在图像去噪中的应用[D];昆明理工大学;2015年

2 李孟娇;基于压缩感知的图像去噪理论研究[D];长安大学;2015年

3 杨巧;新的TV改进模型以及在SAR图像去噪中的应用[D];陕西师范大学;2015年

4 颜珂;高通量基因测序碱基识别中图像去噪的方法研究[D];哈尔滨工业大学;2015年

5 迟广元;两类图像去噪模型的若干数值新方法研究[D];华北电力大学;2015年

6 陈会娟;噪声的估计及基于快速NLM的去除[D];华侨大学;2015年

7 温海娇;图像去噪与恢复[D];南京航空航天大学;2014年

8 范旭;基于Contourlet变换的SAR图像去噪研究[D];西安电子科技大学;2015年

9 田刚;基于非局部均值的MRI图像去噪研究[D];西安电子科技大学;2014年

10 范婷;基于字典学习的图像去噪方法研究[D];西安电子科技大学;2014年

  本文关键词：医学CT图像去噪和增强方法的研究应用，由笔耕文化传播整理发布。

本文编号：341752