基于多尺度非线性扩散的超声图像斑点噪声去除算法

针对现有去噪算法可能造成超声图像细节模糊甚至丢失的问题,本文提出基于多尺度非线性扩散（multiscale nonlinear diffusion,MSND）的超声图像去噪模型.该模型结合冗余拉普拉斯塔形数据分解和非线性扩散的优点,利用冗余拉普拉斯塔形数据分解将图像分解为等大小的空间-频率子带,综合各子带的特征得到图像边缘和细节的精细表示,然后根据所得的综合特征指导各子带图像的非线性扩散.实验结果表明本文算法在去除噪声的同时能有效地保留和增强边界与细节.     

眼科高频超声成像中斑点噪声抑制算法的研究

目的 斑点噪声是超声图像中存在的固有问题,而在眼科高频超声这种更为精细的超声检查中,有效地抑制斑点噪声能提高图像的质量,有助于临床医生对病情的判别.方法 提出了一种新的基于拉普拉斯（Laplacian）金字塔的多尺度斑点去噪方法.采用Laplacian金字塔,从斑点噪声中分离出临床图像特征,根据每层子带图像不同尺度及特点,从小尺度到大尺度,首先采用改进后的八方向各向异性斑点去噪（SRAD）去除图像斑点,然后增强图像的边缘、细节及对比度等方面.该方法与传统的SRAD滤波及相干增强滤波（CEDIF）进行对比,采用等效视数及算法的时间耗费对实验结果进行量化评估.结果 与传统SRAD滤波及CEDIF滤波方法相比,基于Laplacian金字塔的多尺度各向异性斑点去噪方法均高于前两种方法（1.172 3 vs 1.122 3、0.929 3及0.864 0 vs 1.396 0、1.468 3）.结论 本研究提出的基于Laplacian金字塔的多尺度各向异性斑点去噪方法在更有效地去除图像斑点噪声的同时,能很好地保存图像边缘及图像细节等.     

基于多尺度分析的MR图像粗糙集增强算法

粗糙集理论是一种新的处理含糊和不确定问题的数学工具，本文在对MR图像多尺度边缘表示的基础上，引入粗糙集理论对图像作对比度增强处理，提出了一种基于多尺度分析的粗糙集图像增强算法。该方法具有良好的增强效果，并对噪声有一定的抑制作用。本文最后给出了具体实验结果。     

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。     

多尺度MRI断层图像特征提取新技术研究

由于医学图像本身信号噪声大，边缘呈弱信号特征，用传统的图像边缘检测算法提取图像特征常会将图像中的噪声作为边缘提取，不能准确地反映医学图像中有价值的信息(如病灶大小等)。现提出一种改进算法，此法以现有的小波模极大值特征提取算法为基础，利用模糊理论确定隶属函数，提取弱信号边缘并用多尺度融合理论边缘点合成。结果表明，此方法在提取MRI图像特征的同时，可有效地抑制噪声，有助于剔除图像的伪边缘，准确定位图像边缘信息，有利于图像分割重建，便于医生根据图像确定病灶或组织的位置大小等。     

基于Contourlet变换和非线性扩散的IVUS图像去噪

血管内超声(IVUS)图像的分割对于动脉粥样硬化疾病的研究和介入治疗具有重要的意义,但由于其自身存在斑点噪声,从而严重影响图像自动分割的准确性和速度.提出一种基于Contourlet变换和非线性扩散的斑点去除算法(CTND);利用自适应的对比度因子,在Contourlet域直接对IVUS图像各方向子带进行非线性扩散滤波,而不需要同态处理.实验结果表明,这种算法在保持IVUS图像强、弱边缘的同时,能有效地去除斑点噪声,并为图像外膜的提取奠定良好的基础.     

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.     

基于加强梯度边缘检测算法和FFT的穿刺针定位方法

目的：针对CT引导介入图像中存在金属穿刺针伪影以及其他噪声,要准确提取穿刺针边缘和针尖的精确位置。方法：将加强梯度边缘检测算法和FFT结合．对图像进行滤波、增强、分割。首先采取高斯滤波器（GLPF）进行低通滤波,然后由罗盘算子、Canny算子提取边缘。通过取样针尖不同坐标计算针道斜率,据此计算针与水平方向夹角。为此训练了300幅CT引导穿刺图像。结果与结论：在MATLAB平台上仿真验证,结果表明,罗盘边缘算子相对应进针角度时,强化了针的边缘．加强梯度边缘检测方法和FFT能有效抑制图像噪声,并能提高针尖角度计算精度。     

基于视觉感光层功能的菌落图像多强度边缘检测研究

借鉴视觉神经系统在轮廓感知中的独特优势,提出一种基于视觉感光层功能的图像边缘检测新方法。构建以带漏感的积累发放（LIF）神经元电生理模型为基本单元的神经元网络;根据特定时间窗口内各个神经元的脉冲发放情况,对神经元的增强(ON)或抑制(OFF)类别进行判断;通过拮抗式感受野特性以及神经元激励的反馈增强模式,实现弱边缘的凸显;为克服视觉感光层所具有的适应性并凸显弱细节的对比度,对图像进行多方向、多距离尺度的移动,并融合感光层神经元网络脉冲发放率的差异信息,最后实现图像边缘的有效检测。以具有丰富边缘特性的20幅菌落图像为样本,以边缘置信度和重构相似度作为评价指标,对多强度边缘进行检测。结果表明,所提出方法可以有效完整地检测出图像多强度边缘,且其对弱边缘检测的重构相似度均值高于08,检测准确性有显著的提高(P<005)。所提出的利用生理视觉系统特性进行边缘检测,为包含多强度边缘信息的图像处理提供崭新的思路。     

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。