基于自适应低通滤波的超声医学图像增强算法

目的 介绍一种超声医学图像增强的有效算法.方法 基于自适应低通滤波器的超声图像增强算法,首先采用对数变换的方法将超声医学图像中存在的乘性噪声变为加性噪声;再通过低通滤波器将对数图像分为高频分量和低频分量,对低频分量采用自适应直方图均衡处理,对高频分量进行加权;然后对低频分量和高频分量进行融合得到增强的对数图像;最后对对数图像进行指数变换得到输出图像.结果 原超声医学图像得到有效增强,边缘细节得以保留.结论 该算法有效地实现了超声医学图像增强,突出了超声图像的细节,改善了视觉效果,并对噪声具有良好的抑制作用.     

基于小波变换的医学超声图像去噪及增强方法

目的探求一种基于小波变换的医学超声图像去噪及增强方法。方法提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声;然后进行多尺度小波变换,将图像分解成一系列不同尺度上的小波系数,对变换后不同尺度的高频子图像进行非线性小波软阈值处理,阈值处理后的高频子图像进行增强;最后,经小波逆变换和指数变换恢复去噪后图像。结果原图像中斑纹噪声被有效去除,图像边缘细节得以保留。结论该方法可有效保留细节信号,极大限度地去除斑纹噪声。     

基于灰度对比和自适应小波变换的X射线图像增强

背景:X射线检查作为常规的检查方式得到了广泛的应用,然而由于现有技术的局限性,使得X射线图像往往具有灰度对比度低和噪声影响等缺点,因此,现有的X射线图像往往达不到医生的要求.目的:增强和去噪处理对比度较低且含有噪声的X射线图像,以达到易于医生理解和识别的目的.方法:针对空间域处理和变换域处理增强X射线图像的不足,提出了基于灰度对比和自适应小波变换的X射线图像增强算法.首先,选择需要增强和减弱的灰度范围,并根据八邻域灰度对比增强算法对X射线图像进行灰度变换,并用中值滤波算法对图像进行平滑;然后,对X射线图像进行小波分解,并运用相邻分解层之间相关系数的大小来确定细节信号和噪声.结果与结论:应用了灰度对比和自适应小波变换相结合的X射线图像增强算法,把基于空间域增强的方法和基于变换域的方法有机地结合起来,比传统的单一增强方法更为优越.实验结果证明它能自适应地增强X射线图像的灰度对比,使得图像细节的显示更加清晰,同时在一定程度上去除了噪声的干扰,对于灰度对比度较低的图像效果更加明显.     

基于小波变换和高斯差分冷冻电镜生物大分子图像的自动分割

冷冻电镜生物大分子图像分割是进行冷冻电镜生物大分子颗粒识别的基础.文章分析了冷冻电镜生物大分子图像的主要特点,提出了基于小波变换和高斯差分的冷冻电镜生物大分子图像自动分割方法.该方法利用小波变换得到原图像的低分辨率图像,抑制了噪声,提高了图像的对比度;同时采用高斯差分算子解决了图像亮度不均匀的问题,并对高斯差分图像采用基于灰度梯度信息融合的分割方法.实验结果表明,该算法能有效的减少噪声对边缘提取的影响,分割效果良好,是一种全新的冷冻电镜生物大分子图像自动分割算法.     

基于各向异性扩散和小波变换的磁共振图像降噪和增强方法

降噪是医学图像处理中一个非常重要的问题,传统去噪方法在降低噪声的同时会模糊图像的边缘,各向异性扩散滤波在降低图像噪声的同时能够使图像的边缘得到保持.利用小波变换可以对图像进行多尺度分解,使我们可以在不同尺度上对图像进行处理.本文利用各向异性扩散滤波对MRI图像进行降噪,然后利用平稳小波变换对图像进行增强处理.实验结果表明,该方法在有效去除噪声的同时能够增强图像的细节,有效地提高了图像的质量.     

小波先验在OSL重建算法中的应用

背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的.目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声.方法:实验从“变换域"的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建.结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚.     

基于非冗余平移不变小波变换的磁共振图像降噪

背景:MRI成像机制决定了其时间/空间分辨率和信噪比之间存在矛盾,因此图像降噪变得十分必要.目前基于离散小波变换的降噪方法广泛应用,然而存在平移敏感性的缺陷.目前已出现了克服平移敏感性的离散小波变换,但其冗余性导致计算复杂度的快速增加.目的:针对图像降噪设计小波滤波器,减小降采样过程的影响,保持离散小波变换的非冗余性,并针对MRI图像Rician噪声的降噪进行分析.方法:由于平移敏感性主要是由于离散小波变换分解时降采样产生的混叠项带来的,在保证非冗余的前提下,提出了通过减小混叠项的影响来减小平移敏感性.在此基础上,设计了一个双正交小波.最后,将其以常见的阈值降噪方法应用到磁共振图像Rician噪声的降噪中.结果与结论:文章提出了设计小波滤波器的新方法,即满足严格重构条件外满足一些附加要求,最后将设计过程简化为一个有约束条件的最优化过程.将设计的双正交小波应用于MR图像,仿真结果表明降噪效果较通常小波有所改善,间接表明了设计思路和方法的有效性.     

小波先验在OSL重建算法中的应用

背景：MAP（最大后验）统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。目的：根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。方法：实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。结果与结论：基于小波先验的OSL算法比ML—EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。     

基于经验模式分解与独立分量分析的心电信号消噪方法

针对小波独立分量分析法(W-ICA)在心电信号消噪中小波变换缺乏自适应性,且较难选取最优小波基的问题,提出了一种将经验模式分解与独立分量分析相结合的小波独立分量分析法.该方法结合经验模式分解与独立分量分析各自的优点,利用经验模式分解对心电信号进行自适应分解,然后应用独立分量分析法对选取的本征模态函数进行分离,将分离后的分量进行两层重构,从而得消噪后的心电信号.通过利用MIT-BIH心率失常数据库中的数据进行仿真实验,结果表明该方法可以较好地消除心电信号中的噪声,消噪后信号与原信号的相关系数可达0.96.     

基于小波极大模值信息的医学图像去噪方法

目的 利用小波变换进行医学图像去噪.方法 通过分析二进小波变换下小波极大模值的特点,即信号的极大模值往往会大于噪声的极大模值,而且噪声的极大模值会随着尺度增大而急剧减少,信号的极大模值却改变很小,由此构造了更有效的去噪准则,即根据不同尺度上的极大模值信息,选择不同的域值来滤除噪声.结果 应用该方法进行医学图像去噪,能保持较高的峰值信噪比、图像细节和边缘特征以及图像清晰度.结论 基于小波极大模值信息的去噪方法能有效地降低医学图像中的噪声.     

准静态弹性成像技术检测聚焦超声致离体组织损伤

目的 用准静态弹性成像检测聚焦超声(FUS)在离体组织中形成的损伤。方法 在仿体实验中采取多种方法提高运动估计的精度。通过分段线性拟合等算法对位移数据进行后处理,优化位移估计结果,采用基于小波变换的数字低通差分算法抑制应变估计中高频噪声的干扰。在此基础上用准静态弹性成像检测FUS在离体猪肌肉组织中形成的损伤。结果 采用分段线性拟合算法和基于小波变换的数字低通差分算法可显著改善运动估计的准确性。弹性成像可检测小剂量FUS辐照后在组织内形成的损伤,主要表现为损伤区域的力学特性与周围组织具有明显差异。结论 弹性成像可用于评价FUS形成的组织损伤。     

Computerized detection of pulmonary nodules in chest radiographs based on morphological features and wavelet snake model

We have developed a new computer-aided diagnosis scheme for automated detection of lung nodules in digital chest radiographs based on a combination of morphological features and the wavelet snake. In our scheme, two processes were applied in parallel to reduce the false-positive detections after initial nodule candidates were selected. One process consisted of adaptive filtering for enhancement of nodules and suppression of normal lung structures, followed by extraction of conventional morphological features. The other process consisted of a novel approach for elimination of false positives called the edge-guided wavelet snake model. In the latter process, multiscale edges of the candidate nodules were extracted to yield parts of the nodule boundaries. A wavelet snake was then used for fitting of these multiscale edges for approximation of the true boundaries of nodules. A boundary feature called the weighted overlap between the snake and the multiscale edges was calculated and used for elimination of false positives. Finally, the weighted overlap and the morphological features were combined by use of an artificial neural network for efficient reduction of false positives. Our scheme was applied to a publicly available database of digital chest images for pulmonary nodules. Receiver operating characteristic analysis was employed for evaluation of the performance of each process in the scheme. The combined features yielded a large reduction of false positives, and thus achieved a high performance in discriminating between true and false positives. These results show that our new method, in particular the false-positive reduction method based on the wavelet snake, is effective in improving the performance of a computerized scheme for detection of pulmonary nodules in chest radiographs.     

Visual enhancement of digital ultrasound images: wavelet versus Gauss–Laplace contrast pyramid

Purpose Noise is the principal factor which hampers the visual quality of ultrasound images, sometimes leading to misdiagnosis. Speckle noise in ultrasound images can be modeled as a random multiplicative process. Speckle reduction techniques were applied to digital ultrasound images to suppress noise and improve visual quality. Rationale Previous reports indicate that wavelet filtering performs best for speckle reduction in digital ultrasound images. Reportes on x-ray images compared wavelet filtering with Laplace-Gauss contrast enhancement (LGCE) showed that the LCGE performed better. As LGCE was never been applied to Ultrasound images, this study compared two filtering approaches for speckle reduction on digital ultrasound images. Methods Two methods were implemented and compared. The first method uses the wavelet soft threshold (WST) approach for enhancement. The second method is based on multiscale Laplacian-Gaussian contrast enhancement (LGCE). LGCE is derived from the combination of a Gaussian pyramid and a Laplacian one. Contrast enhancement is applied on local scale by using varying sizes of median filter. Results The two methods were applied to synthetic and real ultrasound images. A comparison between WST and LGCE methods was performed based on noise level, artifacts and subjective image quality. Conclusion WST visual enhancement provided better results than LGCE for selected ultrasound images.     

Dual tree complex wavelet transform based denoising of optical microscopy images

Photon shot noise is the main noise source of optical microscopy images and can be modeled by a Poisson process. Several discrete wavelet transform based methods have been proposed in the literature for denoising images corrupted by Poisson noise. However, the discrete wavelet transform (DWT) has disadvantages such as shift variance, aliasing, and lack of directional selectivity. To overcome these problems, a dual tree complex wavelet transform is used in our proposed denoising algorithm. Our denoising algorithm is based on the assumption that for the Poisson noise case threshold values for wavelet coefficients can be estimated from the approximation coefficients. Our proposed method was compared with one of the state of the art denoising algorithms. Better results were obtained by using the proposed algorithm in terms of image quality metrics. Furthermore, the contrast enhancement effect of the proposed method on collagen fıber images is examined. Our method allows fast and efficient enhancement of images obtained under low light intensity conditions.OCIS codes: (100.0100) Image processing, (100.7410) Wavelets, (100.3020) Image reconstruction-restoration     

基于离散小波变换的fMRI数据特征提取

目的 设计一种灵敏度高且处理速度快的fMRI数据小波分析方法.方法 先用离散小波变换和频谱分析确定有用信号存在的小波分解尺度,也即特征尺度;再对实验数据进行离散小波分解,重构时将非特征尺度里的小波系数设置为0;再以相关分析对小波重构信号进行激活检测.结果 对视觉数据的分析结果显示,新方法的灵敏度与基于平稳小波变换、SPM2方法相当,而优于基于提升小波变换的方法;新方法的处理速度与基于提升小波变换的方法相当,但较平稳小波变换方法有较大提高.结论 本文为fMRI数据提供了一种更为灵敏且快速的小波分析方法,更为实用.     

基于MeanShift方法的肝脏CT图像的自动分割

目的 探讨基于Mean Shift方法的肝脏CT图像的自动分割算法,以实现肝脏的自动分割。方法 首先对原始图像进行单次Mean Shift平滑 ,滤除噪声的影响以增强算法的鲁棒性,然后通过Mean Shift迭代自动选取初始种子点,最后采用基于区域生长的方法实现肝脏CT图像的自动分割。结果 实验证明此方法是一个准确、快速和有效的肝脏自动分割方法。结论 采用本文中提出的方法,可有效地实现肝脏的自动分割。     

基于局部特征的医学图像融合方法

目的 介绍一种基于局部小波系数特征的多尺度医学图像融合方法.方法 首先对待融合的两幅医学图像做多尺度的小波分解,然后采用原始图像灰度的局部标准差作为小波系数选取的参考标准,最后再对选取的小波系数进行重构得到最终的融合图像.结果 成功将一幅MRI解剖图像和一幅SPECT功能图像融合在一起.结论 基于局部特征的医学图像融合方法是切实可行的,且简便灵活,图像融合效果较好.     

fMRI数据去噪处理对FastICA检测精度的影响

目的 探讨fMRI数据中白噪声及去噪预处理方法对于采用FastICA算法检测人脑激活区精度的影响。方法 采用模拟和真实fMRI数据进行测试。实验重复50次,以比较未去噪、高斯平滑和两种正交小波方法去噪预处理后FastICA算法分离激活信号的能力。对不同阈值条件下检测的激活体素进行统计分析。用ROC曲线评价检测质量。结果 模拟实验显示,当fMRI数据的SNR为15 db时,去噪预处理能显著提高FastICA检测准确率;SNR为20 db时,去噪对提高FastICA检测准确率影响较小。采用不同的小波基及不同参数去噪处理结果差异较大,存在经db4小波去噪处理后激活区检测结果的敏感度和特异度反而降低的现象,但随着激活区减小,这种现象消失。结论 对于FastICA而言,小波去噪与传统的高斯平滑方法相比未显示出更好的敏感度和特异度;在低SNR情况下,有必要进行去噪预处理;在高SNR情况下,不恰当的去噪方法反而可导致FastICA检测精度降低。