基于高阶奇异值分解和Rician噪声校正模型的扩散加权图像去噪算法

目的 研究一种新颖的基于高阶奇异值分解（HOSVD）的扩散加权图像去噪算法,用以提高扩散加权（DW）图像的信噪比以及后续量化参数的准确性。方法 我们提出一种基于HOSVD稀疏约束和Rician噪声校正模型的去噪方法,将Rician噪声信号期望融合到传统的HOSVD去噪框架中,从而能够直接对带有Rician噪声的DW图像进行去噪。此外,考虑到对相似块组成的高维数组进行HOSVD去噪处理,容易引入条形伪影,因此本文直接对每个局部DW图像块进行HOSVD去噪,从而解决了条形伪影问题。为了验证所提方法的有效性,我们将本方法与低秩+边缘约束（LR+Edge）、基于全局指导下的局部高阶奇异值分解（GL-HOSVD）、基于块匹配的三维滤波（BM3D）和非局部均值（NLM）4种去噪算法进行了实验对比。结果 实验结果表明,所提方法能够有效降低DW图像噪声,同时较好的保留图像细节以及边缘结构信息。无论是从DW图像的峰值信噪比（PSNR）和结构相似性（SSIM）以及各向异性分数均方根误差定量指标,还是从去噪图像和各向异性分数图的视觉效果来看,本算法都要明显优于LR+Edge,BM3D和NLM。此外,GL-HOSVD虽然可以得到较好的去噪结果,但是在高噪声水平下,会引入条形伪影,而本文方法不但可以得到较好的去噪结果,并且不存在伪影问题。结论 本文提出了一种新颖的HOSVD去噪方法,可以直接处理带有Rician噪声的DW图像,并且解决了同类算法中伪影问题,去噪效果明显,能够为临床提供更准确的量化参数结果,更好服务于临床影像诊断。     

小波变换在中医诊断图像中去噪处理的应用

为提高中医诊断图像的质量，应用改进的基于小波变换尺度间相关性的去噪方法，对诊断图像进行去噪处理。结果显示，该去噪方法能有效去除中医诊断图像中的噪声。     

测地线主动轮廓模型的改进及其医学应用

测地线主动轮廓模型（geodesic active contour）是医学图像分割方法中的最重要内容之一。传统的测地线主动轮廓模型通过高斯平滑的图像预处理使得图像边缘信息模糊甚至消失,以致初始曲线轮廓沿着目标边界逼近的演化过程不稳定,收敛速度慢,分割效果不好。提出基于贝叶斯收缩阈值的小波去噪方法的新测地线模型,由于该去噪方法能在去除噪声的同时,结合噪声与图像信号在频率上的分布特性,增强图像信号细节,从而使能初始轮廓曲线更精确的停止于图像边缘,收敛速度也得到一定程度的提高。     

基于边缘检测的CT图像粗糙集增强算法

粗糙集理论是一种处理模糊和不确定性问题的工具,是一种非线性处理方法.本文基于边缘检测对图像进行小波阈值去噪,在此基础之上引入粗糙集理论划分子图并分别进行增强处理,再进行对比度增强.该算法把边缘检测去噪与粗糙集理论结合起来增强图像,实践证明具有良好的图像增强效果.     

基于Fast Marching Method的肝脏CT图像序列自动分割

快速行进法(fast marching method,FMM)已被证明在图像分割方面具有优势,在此基础上提出了一个混合分割的算法。这个方法加入了图像分割后处理步骤,成功解决了活体肝脏CT系列图像自动分割问题。首先是通过滤波去噪等处理得到速率系数图像,然后根据CT图像相邻层间的相似特点计算FMM所需的参数进行图像分割,最后使用开运算修正肝脏边缘。整个序列分割过程只需用户定义一个种子点,减少了人工干预,从而提高了效率和准确性。     

基于EMD的生物雷达回波信号噪声抑制研究

目的：基于经验模态分解（EMD）的多尺度时域滤波特性,抑制生物雷达回波信号噪声。方法将经过预处理的雷达回波信号进行EMD分解,获取固有模态函数（IMF）分量;根据噪声与信号自相关函数的特性差异将IMF区分为有用信号占主导模态与噪声占主导模态两部分;然后用基于小波软阈值的去噪方法提取噪声占主导模态部分中的有用成分,与有用信号占主导模态部分的固有模态函数叠加,获取雷达回波信号中的生命信息。结果基于EMD的噪声抑制方法有效地去除了雷达回波信号中的高频噪声成分,提取出了有用信息。结论基于EMD的噪声抑制方法能为生命体目标的识别提供更多信息。     

基于MATLAB的CR图像处理在四肢骨边缘检测中的应用

目的：探讨经过Matlab处理后的计算机摄影（CR）图像在四肢骨边缘检测中的应用．方法：利用Matlab工具箱中的Sobel,Roberts,Laplacian,Canny算子对于四肢骨进行边缘检测处理,并比较它们的效果．结果：采用中值滤波处理后,Canny算子获得的图像在骨骼边缘检测的连续性及线条平滑度上效果最好,Sobel算法则在显示骨骼边缘上最直观．直接灰度化处理则均不能满足实际需要．结论：使用Matlab工具箱做四肢骨边缘检测,中值滤波后使用Canny算子得出的边缘检测效果要优于其他处理方法．     

小波变换在放射治疗图像处理中的应用研究

将基于小波变换的图像去噪声和边缘检测技术与现代放射治疗计划设计结合进行研究。选择合适的小波基对未经增强扫描的CT图像进行小波变换,比较了常规去噪声和边缘检测与基于小波变换的相应方法各自的特点。研究结果表明,与单独地应用小波变换或传统方法相比,应用小波变换结合某些传统方法去噪声的效果更好;基于小波变换的边缘检测不仅平滑掉了图像中的绝大部分噪声,而且很好地保留了靶区的边缘,有利于提高勾画肿瘤靶区的精确性。     

医学图像的噪声处理与增强方法的研究

医学图像中存在着一些直观的噪声，使图像的质量下降，因此需要对图像进行去噪，为了提高图像的对比灵敏度，显示图像中较模糊、对比度差的细节，还需要对图像进行增强处理。文章对利用直方图均衡和小波变换的医学数字图像增强方法进行探讨和研究。     

基于方向滤波的视网膜血管边缘抽取方法的关键技术研究

<正>边缘检测是医学图像处理和分析研究的基本技术之一,能够在伴有随机噪声背景图像中确定出研究目标的边界。眼底视网膜血管边缘的抽取是边缘检测的应用,具有实际的意义。图像分割的常用方法很多,但如何在抽取边缘的同时较好地抑制噪声,是困扰我们的一大难题。血管是形态性较强的图像,同时又具有复杂的背景。数字形态学和方向滤波都是利用目标的形态特征进行边缘抽取的方法。在一般图像的锐化处理中,方向特性的使用不是那么直接,基于方向特性的算法自     

非局部平均迭代修正的稀疏角度CT凸集投影重建

鉴于非局部平均(nonlocal means.NL-means)滤波后的图像质量大幅提升,本文提出一种非局部平均迭代修正的稀疏角度CT凸集投影(projection onto convex set,POCS)重建方法.新方法采用两相式重建策略:首先对CT稀疏投影数据采用POCS算法进行重建,以获得满足数据一致性及非负性约束的重建图像;随后由POCS重建图像导引非局部平均对其进行优化修正,以消除图像中的高频噪声,保持图像边缘,减少条形伪影,达到提升图像质量的目的.两相交替进行,直至满足某一终止准则.仿真实验表明,本文提出的非局部平均迭代修正稀疏角度CTPOCS重建算法,可有效抑制重建图像噪声和条形伪影,大幅提高重建图像质量.     

基于全变分正则化去卷积的PET部分容积校正

目的提出全变分正则化去卷积方法并应用于PET图像部分容积校正。方法将全变分（toal variation, TV）引入到图像退
化模型中,提出基于全变分正则化的Van Cittert（VC）和Richardson-Lucy（RL）去卷积方法。结果提出的方法分别应用于
NCAT仿真数据、NEMA NU4-2008 IQ 物理体模和肿瘤小鼠数据（均采用西门子小动物Inveon PET扫描得到）。相比于传统VC
和RL去卷积方法,本文提出方法在仿真实验中校正图像有明显的去噪和保持边缘效果,同时在小鼠实验中肿瘤区域的活度值
增加率为（10±1.8）%时,图像标准方差（standard deviation, SD）增加率分别从49.98%下降到14.26%和42.76%下降到4.70%。结
论本方法能够在校正PET部分容积效应的同时有效抑制噪声增加,可望更为准确地诊断肿瘤。
     

基于投影数据全广义变分最小化的低剂量CT重建

目的 提出基于投影数据全广义变分最小化的低剂量CT重建方法.方法 首先,通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,然后基于全广义变分正则化模型对变换后的Gaussian型数据进行噪声去除.最后,对去噪的结果进行Anscombe逆变换后实现传统的滤波反投影(FBP)CT重建.结果 数值体膜实验结果表明本文提出的方法可以大大地改进重建图像的质量.FBP方法重建的Clock和Shepp-Logan体膜图像的信噪比分别为17.752 dB和19.379 dB,本文方法重建的图像的信噪比提高到24.0352 dB和23.4181 dB.FBP方法重建方法重建的Clock和Shepp-Logan体膜图像的均方误差分别为0.86%和0.58%,本文方法重建的图像的均方误差降低到到0.2%和0.23%.结论 本文方法可以在投影数据不满足分段常数假设的前提下去除噪声和条形伪影,从而提高低剂量CT图像重建质量.     

数字化可视人体图像的目标提取

目的 探讨数字化可视人体图像的目标提取.方法 利用归一化阈值分割排除大部分背景,再结合边缘跟踪对目标边界附近保留的边缘特征进行识别、连接、去噪,构建一种准确、有效的目标提取算法.结果 基于边缘和阈值混合的分割技术有效地去除了数字化人体图像的背景.结论 通过与其他几种分割算法的比较,本计算法实际使用效果较好.     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

一副叠加有噪声图像的边缘分割的讨论

探讨噪声在图像处理过程中的影响,使用visual basic开发平台对多种边缘抽取算法进行处理,观察有噪声和无噪声的情况下的不同.在对比几种方法后,得出运算窗口越大对噪声越不敏感,阶次越低对噪声越不敏感的结论.     

人眼视盘特征参数的自动测量

运用图像处理技术，对人眼视盘图像进行自动去噪等预处理（包括中值滤波、局部平均滤波），并对视盘的特征参数（视盘面积、周长、几何中心）进行测量，提出具体计算方法。     

噪声对高频听力损伤的影响

目的：探讨稳态、脉冲噪声及接噪工龄对作业工人高频（１０～２０ｋＨｚ）听力的影响。方法：应用频率范围（０．５～２０ｋＨｚ）的纯音听力计对３７４ 名１８～２５ 岁噪声作业工人的高频听力进行检测,以同年龄５０ 名健康人作为对照组。结果：脉冲组的高频阈值明显高于稳态组（Ｐ＜ ０．００１）,两组高频听阈的出现率较正常组明显下降。接噪工龄５ 年之内,各工龄组间的高频阈值没有明显的变化,与正常组比较差异显著（Ｐ＜ ０．００１）。结论：噪声性质对高频听力有影响,脉冲噪声比稳态噪声对内耳高频听力危害更大,噪声工龄对高频听力的影响主要发生在接触噪声第一年。同时对噪声引起高频听力下降的机理进行初步探讨。     

基于图像处理和支持向量的肺癌CT图像的分类研究

目的研究肺癌CT图像的分类问题。由于肺癌图像的复杂性及图像采集过程中不同程度的存在噪声干扰,造成人工分类难度增大。本文提出一种基于图像处理和支持向量的肺癌分类方法。方法首先对采集的原始CT图像进行去噪处理,通过图像分割技术得到肺实质感兴趣区域,然后利用灰度共生矩阵,提取感兴趣区域的纹理特征,最后利用支持向量机分类器对数据样本进行训练测试。结果仿真结果表明,本方法对肺癌CT图像分类准确率达到90%。结论为肺癌的临床诊断与治疗提供了依据。     

基于灰度形态学的牙齿图像分割方法

目的: 针对口腔内窥镜拍摄的口腔牙齿图像特点,提出了一种简单有效的分割方法?方法:首先利用灰度形态学中的开启操作除去牙齿图像中的“亮片”背景;再通过中值滤波除去图像中的噪声;最后根据图像灰度设置的阈值对图像进行分割,并检测出图像的边缘和特征点?结果:该方法能够有效地把牙齿从图像中分割出来,利用边缘获取的特征点能够为后期牙齿的三维重建提供有效的参数?结论:基于灰度形态学的牙齿图像分割法可以有效地把牙齿从图像中分割出来?