【摘要】：X射線計(jì)算機(jī)斷層掃描(X-Computed Tomography, X-CT)成像是一種重要的醫(yī)學(xué)影像圖像診斷技術(shù),與磁共振、超聲等同樣是醫(yī)生獲取信息的重要來源。與其他醫(yī)學(xué)成像方法相比,X-CT醫(yī)學(xué)影像圖像具有組織結(jié)構(gòu)密度分辨率高,對(duì)人體損害小等優(yōu)點(diǎn),對(duì)病理學(xué)和解剖學(xué)的研究非常重要。但是在X-CT機(jī)掃描過程和傳輸圖像過程中,會(huì)產(chǎn)生圖像模糊不清或者邊界不明顯等現(xiàn)象,致使X-CT醫(yī)學(xué)影像圖像的可讀性不高,醫(yī)生無法準(zhǔn)確診斷。因此,探討醫(yī)學(xué)影像圖像在臨床的應(yīng)用意義重大,研究消除X-CT醫(yī)學(xué)影像圖像噪聲的方法具有很高的應(yīng)用價(jià)值。 傳統(tǒng)的X-CT醫(yī)學(xué)影像圖像去噪方法有均值濾波、中值濾波、空域維納(Wiener)濾波等,但這些去除噪聲的方法在對(duì)X-CT醫(yī)學(xué)圖像去除噪聲的同時(shí)一些重要的細(xì)節(jié)信息也模糊了,其圖像的處理效果滿足不了醫(yī)學(xué)診斷治療的需要。而目前被廣泛應(yīng)用的小波變換圖像去噪方法其雖在時(shí)頻域具有多分辨率的特性,但缺乏在方向性上的不足,使得處理后的圖像信息在邊緣輪廓和細(xì)節(jié)特征處會(huì)產(chǎn)生一定程度的模糊,難以完整的捕捉到圖像的輪廓信息,因而不是最優(yōu)的圖像稀疏的表示方式,由此會(huì)增加臨床醫(yī)生漏誤診的幾率。 為了克服上述方法對(duì)X-CT醫(yī)學(xué)影像圖像噪聲成分分析不夠透徹等不足,本文首先選用了能夠很好地抓住圖像的幾何結(jié)構(gòu)特性,并能有效的實(shí)現(xiàn)圖像信息的局部的、多方向性的、多分辨率的一種真正的圖像的二維表示方法——Contourlet去噪算法。然而由于Contourlet變換采取的是下采樣的操作,缺乏平移不變性,會(huì)產(chǎn)生偽Gibbs現(xiàn)象,使得去噪后的圖像失真,故對(duì)原Contourlet變換進(jìn)行了改進(jìn),提出了非下采樣Contourlet變換,克服了原Contourlet缺乏平移不變性的缺陷。本文根據(jù)此變換,提出了一種改進(jìn)的X-CT醫(yī)學(xué)影像圖像去噪算法,該算法是以Context模型為基礎(chǔ)的經(jīng)改進(jìn)變換系數(shù)閾值的非下采樣Contourlet變換,并進(jìn)行了仿真實(shí)驗(yàn)和分析,經(jīng)實(shí)驗(yàn)結(jié)果分析比較表明該算法不僅提高了峰值的信噪比,還更好的保留了圖像的細(xì)節(jié)特征,有效的改善了X-CT醫(yī)學(xué)影像圖像的質(zhì)量。 其次,本文利用一種新圖像信號(hào)處理方法盲信號(hào)處理的重要分支獨(dú)立分量分析(Independent Component Analysis, ICA),提出一種改進(jìn)的基于獨(dú)立分量分析的X-CT醫(yī)學(xué)影像圖像去噪算法。該方法從分離的角度出發(fā),認(rèn)為當(dāng)某一X-CT醫(yī)學(xué)影像圖像受到方差不同的同一噪聲源的兩次不同污染后,在ICA的分離過程中,得到兩個(gè)新的混合圖像；而經(jīng)過ICA分離后的圖像,得到分離矩陣,依此矩陣與原混合圖像進(jìn)行矩陣的相乘就會(huì)得到分離的原圖像以及噪聲圖像。實(shí)驗(yàn)仿真結(jié)果說明,該算法可有效提高ICA算法的性能并能獲得較高的峰值信噪比,尤其是在圖像受到嚴(yán)重噪聲污染時(shí),借助參考噪聲的圖像可以很好地恢復(fù)出原圖像。
【學(xué)位授予單位】：天津醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41;R814

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王昊;康曉東;劉玲玲;耿佳佳;郭軍;;MR圖像去噪算法研究進(jìn)展[J];磁共振成像;2012年03期

2 焦李成,譚山;圖像的多尺度幾何分析:回顧和展望[J];電子學(xué)報(bào);2003年S1期

3 張長江;汪曉東;張浩然;汪金山;;圖像對(duì)比度增強(qiáng)的非線性變換法[J];光電工程;2006年06期

4 黃啟宏;段昶;劉釗;;基于獨(dú)立分量分析的圖像特征提取及泊松噪聲去除[J];光電工程;2006年11期

5 武曉s

本文編號(hào)：2777660