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。     

一种基于小波变换的医学图像量化编码算法的研究

医学图像压缩是远程医疗和PACS系统中的重要研究课题，研究了小波子带图像系数的统计分布，发现小波子带图像系数分布和拉普拉斯分布非常相似，继而提出了一种基于其统计特征的图像量化编码算法，该算法以小波子带图像样本标准差为选择量化编码阈值的重要依据。实验表明，该算法具有计算简单，不同阈值范围待编码系数可预测以及易于获得较高压缩效率的优点，在远程医疗和PACS系统等领域的医学图像压缩中有重要的潜在应用价值。     

基于小波变换的CT/PET图像融合最佳参数研究

为了提高基于小波变换图像融合的性能,在图像融合规则相对固定的情况下,提出一种确定最佳小波基函数和分解层数的方法。从图像的信息熵出发,通过比较低频子带图像熵差与原始图像熵差的接近程度,选择每一种小波基所对应的最佳分解层数;在小波分解层数确定的情况下,结合图像融合评价方法,选择最佳的小波基函数。与引入融合效果的评价构成一个闭环系统来确定小波参数相比,该方法极大地简化了判别过程;将该方法应用于CT/PET图像融合,获得了较好的融合效果。实验结果表明,该方法简单可行,对基于小波变换图像融合的小波参数选取有一定的指导意义。     

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.     

基于小波变换医学图像融合算法的对比分析

小波变换融合方法具有重要的应用价值,而融合规则的选取直接影响着融合效果。为了获得医学临床上实用的小波融合算法,选择标准CT/MRI图像,通过调整和组合各种小波变换低频及高频融合规则进行仿真实验,深入对比分析各种融合规则对医学图像融合性能的影响。在此基础上,提出低频能量取大与高频系数绝对值取大相结合的融合改进算法,比目前基于传统小波融合规则的融合质量及各项客观评价指标都有明显提高,在各种算法比较中最优。采用多聚焦图像和临床实际的CT/MRI图像进行对比验证,表明了方法的有效性。理论分析和实验结果证明:选取合适的融合规则对融合结果影响很大,本研究提出的算法简单有效。     

医学图像的小波变换融合算法研究

针对不同分辨率的PET和MRI图像,探讨医学图像中功能成像和解剖成像的融合问题.提出一种基于小波变换的多尺度分解对人脑PET和MRI图像的融合算法,选取测量活跃性等级-系数分组-系数合并的融合规则,对多尺度小波变换的图像融合方法和普通像素加权平均融合方法进行仿真,并运用熵和交叉熵两种方法评价仿真结果.结果表明,该方法能有效融合功能信息和解剖信息,避免虚假信息引入.得到最佳分辨率的融合图像,提高医学图像的可信度,对临床诊断和治疗有一定参考价值.     

基于小波包变换的医学图像融合方法

为满足医学图像临床辅助诊断和治疗的需要,将小波包变换和自适应算子相结合,提出一种新的医学图像融合算法.算法首先对已配准的医学图像进行小波包分解,并采用自适应算子对小波系数及分解子图像进行处理,通过小波包重建,获得高质量的医学融合图像.该方法克服了小波变换不能兼顾图像高频成分的缺陷,并且可以根据不同的医学图像自动调整融合规则的权重系数,有效避免了设置固定权重系数造成的融合误差.实例融合仿真验证了算法的有效性和先进性.     

基于多小波变换的医学图像融合算法研究

目的:研究一种基于多小波变换的医学影像融合的算法。方法:对已配准的PET图像和CT图像进行预滤波后进行多小波分解,对分解后的图像低频分量采用平均梯度法及高频分量采用自适应加权法的融合规则进行图像融合,经过多小波重构及后滤波得到融合图像。结果:融合图像通过结合源图像的信息,增加了更多的细节和纹理信息,从而得到了良好的融合效果。结论:实验证明,基于该算法,可以得到图像的最佳融合结果。     

基于小波变换的医学图像融合方法综述

目的：图像融合是图像处理领域中的一个热门研究方向,其目的为了将来自不同传感器的多模态信息综合体现在一张高质量的图像上,已被广泛应用于医学、航空遥感、军事等领域。不同的融合算法会得到不同的融合结果,融合算法的选择直接决定融合的结果。方法：本文主要调研了当前比较热门的基于小波变换方法的融合方法。根据小波变换的流程,我们知道影响融合后图像质量的因素主要有两个：一个是变换分类及变换基,另一个是变换域的系数融合规则。本文将从这两方面对基于小波变换的各种融合方法进行总结。文中算法的选取原则为：融合实验效果好、被引用次数较多的文献中的使用的算法。另外,本文对经典的融合算法也进行了较系统的描述。结论：经过对文献的搜集与整理,我们就变换种类与融合规则方法分别进行了汇总：在变换种类上有传统Haar小波、性能经过提升的小波、与小波变换交叉使用的变换方法三个子类;在融合规则上,有单个像素法、区域法、多种决策算法参与的系数融合规则三个子类。最后本文叙述了几种对于融合后图像的图像质量评价指标。     

基于小波变换的医学图像增强方法的比较分析

介绍了3种基于小波变换的医学图像增强方法和其原理,分别应用这3种增强方法对一幅磁共振医学图像进行了增强处理,对实验结果数据进行对比分析,说明它们在医学图像增强效果上的差异。     

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。     

用模糊数学方法融合多模医学图像

提出一种基于模糊数学的方法来融合多模医学图像。采用改进的FCM算法分割图像,用自动模糊重分布的算法确定隶属度。在融合步骤中考虑到了16种不同图像组织的交混情况和16种上下文关系,总共256种模糊关系。实验结果表明:该方法有很强的抗配准偏差能力和抗分割干扰能力,并具有稳健、快速、精确等特点。     

基于小波变换的医学图像编码方法

高分辨率的医学图像具有很大的信息量,影响了整个数字化的远程医疗系统的实时性,因此必须在保证不丢失关键诊断信息的前提下,对医学图像进行必要的压缩.本文提出了在给定小波基下,基于二维小波分解和重构的快速压缩方法.该方法使用了向量量化技术并采用LBG算法设计码本.实验结果证明,采用该方法可获得较高的压缩比和符合诊断要求的压缩图像.     

基于模糊最大熵的医学X增强方射线图像边缘法研究

目的：由于医学X射线图像在数字化成像过程中容易受到成像设备中射线散射、电器噪声以及人体组织结构的复杂性等因素的影响,导致数字医学x射线图像的质量不高。因此,针对数字医学X射线图像对比度较差,目标细节信息不明显的特点,研究了一种基于模糊最大熵的图像边缘增强算法。方法：首先将医学X射线图像从灰阶域变换到模糊域。然后通过最大熵准则确定模糊阈值将医学X射线图像分为目标和背景两部分．并分别对其进行图像增强处理．最后再映射回到灰阶域。结果：本文以主动脉造影X射线图像为例,对其分别进行经典模糊边缘增强、反锐化边缘增强和模糊最大熵边缘增强处理,并对处理后图像的相关参数进行定量分析。结论：结果表明基于模糊最大熵算法处理后的图像质量高．边缘细节信息明显增强,且该算法相比其它两种算法具有更好的抗噪性。     

一种基于图像分割的医学图像融合方法

提出一种新的图像融合算法 ,用于临床治疗计划设计时对病灶的确定。文中采用改进的Canny算子对病灶边缘提取方法进行了研究 ,根据局部直方图计算对非目标轮廓进行抑制。通过对图像配准建立空间映射关系 ,将一种图像中的病灶边缘特征与其它相应的图像进行叠加 ,获得具有病灶边缘和解剖结构特征的融合图像。本文的融合算法简单、直观 ,临床实用性强