本文關(guān)鍵詞：PET圖像邊緣保留去噪方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：惡性腫瘤已經(jīng)成為導(dǎo)致死亡的主要原因之一,而計(jì)算機(jī)斷層掃描(Computed Tomography, CT)、磁共振成像(Magnetic Resonance Imaging,MRI)、正電子發(fā)射斷層掃描(Positron Emission Tomography, PET)等影像可為腫瘤診斷、分期、放療計(jì)劃和療效評估提供科學(xué)依據(jù)。PET功能影像能夠反映人體的新陳代謝、生理生化過程,在腫瘤診療中的作用不可替代,但PET影像噪聲很大。本文針對PET影像及其噪聲分布特點(diǎn),提出了一種多方向幾何非線性擴(kuò)散濾波(Multi-Directional Geometric Nonlinear Diffusion Filtering,MD-GNLDF)去噪方法和一種非局部幾何非線性擴(kuò)散濾波(NonLocal Geometric Nonlinear Diffusion Filtering,NL-GNLDF)去噪方法,具體情況如下：(1)幾何非線性擴(kuò)散濾波(Geometric Nonlinear Diffusion Filtering,GNLDF)僅考慮了影像水平方向和豎直方向上的邊緣信息,但邊緣方向?qū)嶋H上是多變的。本文對噪聲像素點(diǎn)和邊緣像素點(diǎn)模型進(jìn)行了深入的分析,提出了多方向幾何非線性擴(kuò)散濾波器。根據(jù)像素8-鄰域方向梯度幅值之間的差異大小判斷像素點(diǎn)是邊緣點(diǎn)還是噪聲點(diǎn)。若是噪聲點(diǎn),則按照水平、豎直、主副對角線四個方向進(jìn)行擴(kuò)散；若是邊緣點(diǎn),則僅沿該點(diǎn)邊緣方向進(jìn)行GNLDF擴(kuò)散。我們發(fā)現(xiàn)：與GNLDF相比,多方向幾何非線性擴(kuò)散圖像去噪方法在峰值信噪比(Peak Signal Noise Ratio, PSNR)方面提高1.56dB以上,均方根誤差(Root Mean Square Error, RMSE)降低0.001以上,而圖像增強(qiáng)因子(Image Enhancement Factor, IEF)提高2.37以上。(2) GNLDF用于CT時能獲得較好的去噪效果,但用于PET影像去噪時會出現(xiàn)塊狀現(xiàn)象。NL-GNLDF首先計(jì)算PET影像的幾何非線性擴(kuò)散系數(shù),然后對該擴(kuò)散系數(shù)進(jìn)行非局部鄰域加權(quán)平均,最后,用非局部加權(quán)平均后的擴(kuò)散系數(shù)對PET影像進(jìn)行幾何非線性擴(kuò)散濾波。通過對幾何非線性擴(kuò)散系數(shù)的非局部鄰域加權(quán)平均,不僅能夠消除GNLDF的塊狀現(xiàn)象,而且能夠較大地提高各項(xiàng)影像性能指標(biāo),增強(qiáng)圖像視覺效果。事實(shí)上,與PURE-LET相比,使用非局部幾何非線性擴(kuò)散方法進(jìn)行PET去噪實(shí)驗(yàn),PSNR提高約1.2dB,RMSE降低約0.00064以上,結(jié)構(gòu)相似度(Structural Similarity Index Measure, SSIM)提高大約0.0051以上,IEF則能夠提高2.7以上。
【關(guān)鍵詞】：圖像去噪 PET 泊松噪聲 PURE-LET GNLDF 各向異性擴(kuò)散濾波器 非線性擴(kuò)散濾波器
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R817;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-21
• 1.1 研究背景及意義12-15
• 1.2 研究現(xiàn)狀15-19
• 1.3 研究內(nèi)容及安排19-21
• 第2章 邊緣保留圖像去噪方法概述21-32
• 2.1 引言21-22
• 2.2 泊松-高斯噪聲模型變換22
• 2.3 變換域去噪方法22-26
• 2.3.1 閾值法23-24
• 2.3.2 系數(shù)相關(guān)法24-26
• 2.4 時域去噪方法26-31
• 2.4.1 各向異性擴(kuò)散濾波器26-28
• 2.4.2 全變差濾波器28
• 2.4.3 雙邊濾波器28-30
• 2.4.4 非局部均值濾波器30-31
• 2.5 本章小結(jié)31-32
• 第3章 幾何非線性擴(kuò)散圖像去噪原理32-40
• 3.1 引言32
• 3.2 各向異性擴(kuò)散圖像去噪改進(jìn)方法32-37
• 3.2.1 Catte模型32-33
• 3.2.2 FPED模型33
• 3.2.3 AMD模型33-35
• 3.2.4 FAB模型35
• 3.2.5 KAD模型35-36
• 3.2.6 梯度閾值參數(shù)k的估計(jì)36-37
• 3.3 幾何非線性擴(kuò)散圖像去噪原理37-39
• 3.4 本章小結(jié)39-40
• 第4章 多方向幾何非線性擴(kuò)散圖像去噪方法40-53
• 4.1 引言40
• 4.2 多方向幾何非線性擴(kuò)散圖像去噪方法40-42
• 4.2.1 多方向GNLDF噪聲和邊緣點(diǎn)特征41-42
• 4.2.2 多方向GNLDF算法42
• 4.3 常用的圖像質(zhì)量評價指標(biāo)42-44
• 4.3.1 峰值信噪比43
• 4.3.2 均方根誤差43
• 4.3.3 結(jié)構(gòu)相似性43-44
• 4.3.4 圖像增強(qiáng)因子44
• 4.4 實(shí)驗(yàn)結(jié)果對比與分析44-52
• 4.5 本章小結(jié)52-53
• 第5章 非局部幾何非線性擴(kuò)散PET去噪方法53-63
• 5.1 引言53-54
• 5.2 非局部的幾何非線性擴(kuò)散濾波器54-56
• 5.2.1 PET影像的非局部性54-55
• 5.2.2 PURE-LET算法原理55-56
• 5.2.3 NL-GNLDF主要思想和實(shí)現(xiàn)過程56
• 5.3 NL-GNLDF、MD-GNLDF和GNLDF對比實(shí)驗(yàn)結(jié)果分析56-58
• 5.4 與GNLDF、NLM和PURE-LET對比實(shí)驗(yàn)結(jié)果與分析58-61
• 5.5 本章小結(jié)61-63
• 總結(jié)與展望63-65
• 參考文獻(xiàn)65-72
• 致謝72-73
• 附錄A 碩士階段本人發(fā)表的論文73-74
• 附錄B 碩士階段本人參與的項(xiàng)目74

  本文關(guān)鍵詞：PET圖像邊緣保留去噪方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：296958