基于改进高斯滤波的医学图像边缘增强

发布时间：2021-04-24 16:37

　　医学图像的边缘包含了图像的很多重要信息,对医学诊断的效率和精准性影响较大,文中研究了一种医学图像边缘增强的方法。为了在图像去噪阶段保留更多的图像细节信息,文中在传统高斯滤波算法基础上提出了一种标准差选取自适应的滤波算法。在图像增强阶段,利用传统的拉普拉斯算子结合强度权重控制图像增强的效果。经过算法分析和实验,验证了两种算法的结合提高了去噪效果,有效保留了图像的边缘细节信息,能够实现医学图像的边缘增强。 

【文章来源】：信息技术. 2020,44(04)

【文章页数】：4 页

【文章目录】：
0 引言
1 相关算法
    1.1 拉普拉斯算子
    1.2 高斯滤波算法
2 改进的高斯滤波算法
3 实验结果与分析
    3.1 去噪平滑阶段
    3.2 图像增强阶段
4 结束语


【参考文献】：
期刊论文
[1]结合二维EMD与自适应高斯滤波的遥感卫星影像去噪[J]. 王跃跃,陈蓉,于丽君,朱建峰,吴愈锋,陈炫炽.  测绘通报. 2019(02)
[2]自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法[J]. 王密,何鲁晓,程宇峰,常学立.  测绘学报. 2018(01)
[3]自适应高斯滤波图像去噪算法[J]. 王海菊,谭常玉,王坤林,杜凤娟,吴智军,高仕龙.  福建电脑. 2017(11)
[4]单项Sobel算子提高Φ-OTDR信噪比方法的研究[J]. 卢珍.  光通信技术. 2017(07)
[5]基于Laplacian金字塔和小波变换的医学CT图像增强算法[J]. 吕鲤志,强彦.  计算机科学. 2016(11)
[6]基于图像边缘增强的改进方法[J]. 张琳梅.  信息系统工程. 2016(03)
[7]基于拉普拉斯算子的边缘检测研究[J]. 孙英慧,蒲东兵.  长春师范学院学报(人文社会科学版). 2009(12)
[8]几种方差概念的比较[J]. 蔡一鸣.  统计与信息论坛. 2008(04)

硕士论文
[1]医学图像增强算法研究[D]. 陈韵竹.南京理工大学 2018
[2]混合噪声图像滤波算法在医学图像中的应用研究[D]. 肖孟强.兰州交通大学 2012



本文编号：3157700