基于Bayesian估计的小波自适应阈值方法对图像进行去噪处理的研究

利用Bayesian估计的小波自适应阈值方法对图像进行去噪处理。通过高斯滤波和小波变换的三种方法(传统的硬阈值、传统的软阈值去噪、基于Bayesian估计的自适应阈值去噪)分别同时对加不同标准差σ的Rician噪声信号进行消噪处理,对比验证高斯滤波和传统小波阈值去噪的优劣,以及新的Bayesian估计自适应阈值小波去噪在磁共振成像(magnetic resonance imaging,MRI)图像信号去噪方面的优越性。小波去噪后的信号信噪比比高斯滤波去噪后信号的信噪比高,且均方根误差要低。采用基于Bayesian估计的自适应阈值小波去噪方法比采用的高斯滤波保留了更多有用信号,优化后的氧摄取分数(oxygen extraction fraction,OEF)值有一定程度增大,使结果更接近正电子发射型计算机断层显像(positron emission computed tomography,PET)测量金标准。成功完成信号和噪声分离优化,将一种新的基于Baysian估计的自适应小波阈值去噪应用到了功能核磁共振成像的降噪分析上,取得了不错的效果。     

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）。     

DR image de-noising and acceleration based on recursive cycle pinning contourlet transformation

目的 数字化X线摄影(digital radiography,DR)图像中的高斯噪声对图像质量影响大,消除此类噪声有利于提高图像质量以辅助医生做出正确的诊断.方法 为抑制DR图像的高斯噪声,首先采用递归循环平移与Contourlet变换结合的(recursive cycle spinning Contourlet transform,RCSCT)方法变换分解DR图像,接着采用连续的二元软阈值函数处理变换系数防止系数被过度扼杀,然后基于CUDA(compute unified device architecture,计算统一设备架构)平台对去噪方法加速.结果 该方法提高了去噪后的图像峰值信噪比,有效抑制了伪吉布斯现象,保留了更多的图像细节信息,并且加速处理后运算耗时较短.结论 本文方法比小波变换和Contourlet变换在保留视觉细节信息方面效果更优,算法耗时少,实用性好.     

基于RCSCT变换的DR图像去噪及加速

目的 数字化X线摄影（digital radiography,DR）图像中的高斯噪声对图像质量影响大,消除此类噪声有利于提高图像质量以辅助医生做出正确的诊断.方法 为抑制DR图像的高斯噪声,首先采用递归循环平移与Contourlet变换结合的（recursive cycle spinning Contourlet transform,RCSCT）方法变换分解DR图像,接着采用连续的二元软阈值函数处理变换系数防止系数被过度扼杀,然后基于CUDA（compute unified device architecture,计算统一设备架构）平台对去噪方法加速.结果 该方法提高了去噪后的图像峰值信噪比,有效抑制了伪吉布斯现象,保留了更多的图像细节信息,并且加速处理后运算耗时较短.结论 本文方法比小波变换和Contourlet变换在保留视觉细节信息方面效果更优,算法耗时少,实用性好.     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

基于小波与小波包分析的CT图像去噪研究

目的:小波与小波包分析在医学CT图像噪声抑制方面的应用价值研究。方法:采用MATLAB6.5对512×512的CT图像进行实验。提出了小波局部阈值软硬函数折中消噪方法。并将此方法与小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪、及小波包消噪的方法进行了对比。结果:从实验中可以得出小波包消噪效果最好,能够有效的滤除图像中的噪声且边缘效果保持良好,本文提出的小波局部阈值软硬函数折中消噪法也能能够有效的滤除图像中的噪声,效果较小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪要好,但是边缘效果及噪声滤除的程度都不及小波包。结论:实验结果表明本文提出的小波局部阈值软硬函数折中消噪方法在小波消噪方面具有一定的价值。     

一种新的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。现有的用于斑点噪声抑制的自适应滤波方法,小波软阈值方法及小波域内细节抛弃法在去除噪声的同时,不同程度地丢失了一些图像细节。针对这一问题。本文提出了一种新的结合自适应中值滤波和小波软阈值处理的超声图像斑点噪声抑制方法。对计算机仿真图像及超声图像进行处理的结果表明,本文提出的新方法在有效去除斑点噪声的同时,很好地保留了图像的细节,优于上述的其他方法。     

基于MATLAB的锥形束CT图像去噪研究

目的:锥形束CT既是一种全新的CT成像技术,也是图像引导下放射治疗系统的关键设备。针对锥形束CT图像的低对比度,散射伪影较大的缺陷,在MATLAB平台上对CBCT去噪方法进行研究和探讨,以寻找合适的锥形束CT去噪方法。方法:首先应用不同去噪方法,如邻域平滑,中值滤波,小波去噪方法等;再应用Contourlet变换进行锥形束CT去噪,设计不同的拉普拉斯塔式滤波器和二维方向滤波器组,寻找最优的滤波器组合;Contourlet变换是一种新的图像二维表示方法,具有多分辨率,局部定位,多方向性和近邻界采样和各向异性等性质。利用Contourlet变换在处理图像几何结构方面的优点,提取图像中边缘连续特征,来区别噪声和边缘,从而增强图像边缘和细节信息,同时抑制噪声。比较常规去噪,小波去噪,Contourlet去噪和不同滤波器组合去噪效果。结果:结合头部,胸部,盆腔各10组临床图像进行去噪效果统计和分析,表明小波阈值量化法和Contourlet法在锥形束CT图像去噪上各有优势,在Contourlet法中,滤波器组合"pkva8"和"9-7"的去噪效果最好。结论:Contourlet去噪方法和小波阈值量化法都比空间邻域平滑法,中值滤波法和普通小波去噪法有优势。而Contourlet去噪方法更能有效改进CBCT图像质量,特别是胸部图像质量的改善。     

医学设备远程监控图像变换尺度精准去噪方法

目的 为了提高医学设备远程监控图像的去噪效果,针对去噪准确度较差和去噪时间较长的问题,设计一种医学设备远程监控图像变换尺度精准去噪方法。方法 首先建立噪声的变化曲线模型,评估出噪声高等级区域进行针对性的降噪;然后采用小波算法去除图像冗余像素点,引入变换尺度阈值,优化医学设备远程监控图像去噪过程;最后采用去除模糊边缘法分割未成像图片,二次提取模糊图像中的主要像素,实现医学设备远程监控图像变换尺度精准去噪。结果 信息熵值高于21 H,处理过的图像较为清晰,图像信噪比高于21 dB,去噪时间低于4 min。结论 针对医学设备远程监控图像中具有多尺度特征的噪声,采用图像变换尺度精准去噪方法可以有效去除噪声,满足医学领域的实际去噪需求。     

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。