基于树状小波的超声医学图像阈值函数降噪

针对超声医学图像中存在特有的斑点噪声,利用树状小波分解比传统小波分解精度高的特点,将超声医学图像进行树状小波分解,然后分别采用硬阈值、软阈值和半软阈值函数三种方法进行降噪处理.结果表明半软阈值函数方法是较优阈值函数方法,可以有效地降低原图像的斑点噪声并保留图像细节.     

基于改进小波阈值算法的ECG肌电信号去噪研究

为了解决传统软、硬阈值算法对肌电信号去噪后心电图（ECG）信号幅值降低和存在局部异常尖峰,导致去噪效果较差的问题。通过研究小波阈值算法的去噪原理和优化规则,基于双曲正切函数构造出一种具有连续性、结构简单、灵活性较高的可调阈值函数和改进的分层阈值,并分析得到小波分解含噪ECG信号的最佳小波基函数和分解层数,提出了一种改进的小波阈值算法。将软、硬阈值算法、相关文献中的阈值算法和本文所提改进阈值算法对含有真实肌电信号噪声的ECG信号进行去噪对比研究。实验结果表明：本文改进阈值算法能较好地去除ECG信号中的肌电信号噪声,并能更好地保持ECG信号波形特征,且Pearson相关系数值大于其他阈值算法。定性和定量结果表明,本文所提改进阈值算法对ECG肌电信号噪声具有较好的去噪效果。     

基于小波软阈值滤波的医学图像去噪

目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.     

微波热疗凝固区域超声回波信号的小波去噪方法

目的 针对用于监测微波热疗凝固区域的超声回波信号信噪比较低,强反射点较多,难以定位凝固区域边缘的特点,研究了一种基于小波分解的去噪方法.方法 在理论分析的基础上,对超声回波信号进行小波分解,根据不同频段信号的特征,进行局部分层小波阈值去噪,再通过小波重构得到去噪后的超声回波信号.结果 对比硬阈值去噪、软阈值去噪和本文所采用方法的效果,探讨了利用本文算法进行凝固区域边缘识别的可行性.结论 局部分层小波去噪算法可有效抑制噪声,保留信号的细节特征,达到优化超声回波信号的目的.     

心电信号小波去噪的改进算法研究

对心电信号(ECG)中的基线漂移、工频干扰和肌电干扰等噪声进行去除,在波形识别、医疗诊断和治疗等领域具有重要意义。提出用sym5小波函数对心电信号进行8层小波分解。根据有用信号强度在每一层平均分配而噪声强度随分解层数增加而减少的规律,将分解得到的每一层的小波细节系数设置不同的阈值,最后用所提出的新阈值函数进行小波阈值去噪。该阈值函数既能克服硬阈值函数在阈值附近不连续的缺点,又可弥补软阈值函数与原函数之间存在固定差值的不足。以MIT-BIH心电数据库中的101号文件作为原始数据,将整个数据文件进行平均分段,每段有1 200个数据点,对每段数据进行加噪仿真分析,结果表明所提出的去噪算法得到的去噪信号信噪比比硬阈值函数和软阈值函数分别提高2.31%和8.04%,从而证明所提算法的有效性。     

改进阈值的小波空域相关去噪法在荧光信号处理中的应用

为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。     

一种基于多尺度分析的CT图像边缘检测方法

为了准确提取CT图像中解剖组织几何形态特征,提出了一种基于多尺度分析的CT图像边缘检测方法。本文应用多尺度分析中含有尺度因子的平滑函数的负导数作为小波,对CT图像实施小波变换,并检测小波变换的模局部极大值,完成基于模局部极大值的解剖组织轮廓特征表达。本文还讨论了一种模局部极大值点的简单筛选方法,针对CT图像噪声较大的特点,以模局部极大值的均方根乘以一个与尺度有关的因子作为模局部极大值的阈值,在不同尺度上获得了清晰的边缘信息。阈值处理后的模局部极大值图表明,不同尺度下的边缘检测能给出大小不同的物体的边缘信息。本方法能在有效抑制噪声的基础上,准确提取感兴趣解剖组织的几何轮廓特征。     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

基于Contourlet阈值法的锥形束CT图像去噪研究

目的：将多尺度分析工具之一的Contourlet变换运用到锥形束CT（CBCT）图像去噪领域,并对Contourlet不同阈值去噪方法进行探讨。提出基于Contourlet变换结合半软阈值方法对锥形束CT去噪,并论证去噪效果。方法：利用Contourlet变换的多尺度多方向性以及平移不变性,对低分辨率锥形束CT图像进行拉普拉斯塔形滤波和方向滤波多层分解后得到变换系数,随后对变换系数采用不同阈值方法进行处理,最后逆序反变换得到去噪后图像。通过软阈值和硬阈值方法在Contourlet变换中的应用,提出半软阈值结合Contourlet变换方法对锥形束CT图像去噪。通过对头,胸,盆腔各10例临床锥形束CT图像的去噪,比较三种阈值去噪效果。结果：半软阈值法在胸部和盆腔部锥形束CT图像去噪中比Contourlet硬阈值去噪在PSNR上平均高出1.40 d B和3.11 d B,但在头部锥形束CT图像处理中无优势,而Contourlet软阈值去噪后的锥形束CT图像在消除噪声的同时,信号自身的能量被消弱最多。结论：本文半软阈值法在一定程度上修正了硬,软阈值函数的缺陷,结合Contourlet变换在处理图像几何结构方面的优势,为锥形束CT图像去噪提供了一个新思路。     

基于小波变换的改进阈值法在心电信号去噪中的应用

目的为了克服传统小波硬阈值函数的不连续性和软阈值函数有偏差的缺点,并消除采用固定阈值带来的偏差。方法改变小波阈值函数部分参数得到一种新的小波阈值函数,新的小波阈值函数可以看成是硬阈值函数和软阈值函数的线性组合,既克服了软硬阈值函数的缺点,同时又能在它们之间进行灵活选择,小波阈值的选取采用了一种自适应阈值。结果改进阈值法能有效去除心电信号中常见的工频干扰、肌电干扰和基线漂移3种噪声。结论与软硬阈值法相比,无论是从视觉效果上还是信噪比上都有较大的改善。     

基于小波分析的医学图像增强研究

目的：探讨小波分析在医学图像增强方面的应用价值。方法：采用MATLAB6．5对512×512的CT图像进行实验,依据医学图像特点改进了图像子带小波增强算法。并将结果与常规的图像增强算法进行对比。结果及结论：实验证明：改进的图像子带小波算法可以增强图像的细节特征,并且适合人的视觉特性,提升了医学图像的清晰度,可有效避免平坦区域噪声过度增强的问题。通过实验证明文中采用方法有一定的实践价值和意义。     

高重叠率下弹性成像应变估计值的小波去噪研究

目的 高的数据窗重叠率是提高弹性成像轴向分辨率的必要条件,但重叠率的增加会使位移估计的相关误差急剧增长,产生所谓的"蠕虫"噪声.本研究使用小波收缩法去除高重叠率下弹性图像蠕虫噪声.方法 对每一条轴向应变A-line先进行3级离散小波分解,然后根据4种自适应阈值之一使用软阈值函数对每一层小波高频系数进行量化,最后进行小波...     

高重叠率下弹性成像应变估计值的小波去噪研究

目的 高的数据窗重叠率是提高弹性成像轴向分辨率的必要条件,但重叠率的增加会使位移估计的相关误差急剧增长,产生所谓的"蠕虫"噪声.本研究使用小波收缩法去除高重叠率下弹性图像蠕虫噪声.方法 对每一条轴向应变A-line先进行3级离散小波分解,然后根据4种自适应阈值之一使用软阈值函数对每一层小波高频系数进行量化,最后进行小波重构产生去噪后的应变A-line.结果 仿真结果表明提出的技术能有效去除蠕虫噪声,增强弹性图像的信噪比(SNRe)和对比度噪声比(CNRe);与低通滤波相比,使用小波去噪产生的弹性图像更接近于理想弹性图(有更高的相关系数);另外,仿真结果也显示小波去噪应用于应变估计值比应用于位移估计值能获得更好的图像质量参数;弹性体模实验结果也表明该技术能有效改进应变图像性能.结论 小波收缩去噪技术能有效地去除弹性图像的蠕虫噪声,在保持高的轴向分辨率的情况下提高弹性图像的性能.     

Accelerating Monte Carlo simulations of radiation therapy dose distributions using wavelet threshold de-noising

The Monte Carlo dose calculation method works by simulating individual energetic photons or electrons as they traverse a digital representation of the patient anatomy. However, Monte Carlo results fluctuate until a large number of particles are simulated. We propose wavelet threshold de-noising as a postprocessing step to accelerate convergence of Monte Carlo dose calculations. A sampled rough function (such as Monte Carlo noise) gives wavelet transform coefficients which are more nearly equal in amplitude than those of a sampled smooth function. Wavelet hard-threshold de-noising sets to zero those wavelet coefficients which fall below a threshold; the image is then reconstructed. We implemented the computationally efficient 9,7-biorthogonal filters in the C language. Transform results were averaged over transform origin selections to reduce artifacts. A method for selecting best threshold values is described. The algorithm requires about 336 floating point arithmetic operations per dose grid point. We applied wavelet threshold de-noising to two two-dimensional dose distributions: a dose distribution generated by 10 MeV electrons incident on a water phantom with a step-heterogeneity, and a slice from a lung heterogeneity phantom. Dose distributions were simulated using the Integrated Tiger Series Monte Carlo code. We studied threshold selection, resulting dose image smoothness, and resulting dose image accuracy as a function of the number of source particles. For both phantoms, with a suitable value of the threshold parameter, voxel-to-voxel noise was suppressed with little introduction of bias. The roughness of wavelet de-noised dose distributions (according to a Laplacian metric) was nearly independent of the number of source electrons, though the accuracy of the de-noised dose image improved with increasing numbers of source electrons. We conclude that wavelet shrinkage de-noising is a promising method for effectively accelerating Monte Carlo dose calculations by factors of 2 or more.     

一种基于模糊均差和小波变换的医学图像去噪方法

小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用。针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法。在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪。试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节。     

小波变换在医学图像融合中的应用

图像融合是医学图像处理中的关键技术。文中探讨了基于小波变换的医学图像融合方法。首先对源图像进行小波多尺度分解,然后采用基于窗口的融合规则进行小波系数融合,最后通过小波逆变换重构融合图像。实验结果表明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。     

一种基于提升小波和中值滤波的心电去噪方法

小波变换在心电去噪中有非常好的效果,但传统的小波变换计算量大,不利于实时处理和嵌入式系统的实现,提升小波是一种快速有效的小波变换的实现方法,本文提出了一种运用提升小波和中值滤波去除心电信号工频干扰、肌电干扰和基线漂移三种噪声的方法。该方法运用提升小波对含噪声的心电信号做三层分解,并根据小波基的特性在不同层次采用不同的小波基,去除心电信号的工频干扰和肌电干扰;对第三层分解后得到的数据做中值滤波,去除心电信号的基线漂移。将以上方法与传统的小波方法相比,去噪结果表明两者去噪效果相当,但提升方法运算速度有很大的提升。结果证实将提升小波与中值滤波方法结合可以有效地去除心电信号的工频干扰、肌电干扰和基线漂移,而且可以较大地提高运算速度,便于进行实时处理和嵌入式系统的实现。     

基于小波分析的红外乳腺图像去噪与增强的实验研究

将小波的多分辨率分析技术运用到红外乳腺图像的降噪增强处理以改善图像质量.运用不同的阈值量化策略实现图像降噪.再引入增益因子,采用基于小波变换的增强算法突出肿块阴影.通过实验将直接增强和去噪后再增强的图像进行对比可以得到清晰度更高的图像.经处理后的乳腺图像,为临床提供了更细致明确的信息,有助于提高诊断水平.