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.     

基于自适应阈值处理的表面肌电信号小波去噪研究

针对表面肌电(sEMG)信号信噪比较低的问题,本文在Donoho通用阈值法的基础上,采用了一种基于自适应阈值处理的小波去噪方法。相对于通用阈值法,这种方法可以根据sEMG信号的不同信噪比自适应地调整阈值,更有效地去除噪声、减小信号的失真,从而提高信噪比。仿真和真实sEMG信号实验均论证了这种方法的优越性。     

基于小波包变换与自适应阈值的ECG信号滤波算法研究

目的:在心电信号(ECG)的采集过程中,常常会受到噪声的影响,为了正确进行心电参数测量、波形识别和病情诊断,在低信噪微弱信号检测中必须要进行噪声抑制,提高信噪比.噪声的滤波处理是心电图分析的一个重要步骤.方法:本文提出了一种基于小波包变换及与分解层次相关的自适应阈值的去噪方法,利用小波包对心电信号进行分解,可以同时对信...     

基于小波统计模型的医学超声图像去噪方法研究

超声图像中固有的斑点噪声严重降低图像的可解译程度,影响了后续的图像分析和诊断.因此,抑制相干斑噪声一直是医学超声图像预处理中一个关键性问题.本研究通过对含斑图像做对数变换和冗余小波分解,提出了一种基于Bayesian估计的小波域局部自适应性去斑算法.将斑点噪声和有用信号的小波系数分别建模为瑞利分布和拉普拉斯分布,利用最大后验概率(MAP)准则得到了一种解析的Bayesian估计表达式;进一步通过邻域窗口估计模型参数,使算法具有局部自适应性.实验仿真表明,该算法简单有效,在滤除超声图像斑点噪声的同时,较好地保持了图像的细节特征,其性能优于空间域滤波和传统的小波去噪算法.     

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。     

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.     

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.     

基于时空曲率正则化的细胞图像序列去噪

目的显微细胞成像系统获取的图像序列由于光照、电磁干扰等因素的影响,不可避免地存在一定程度的噪声,消除噪声得到清晰的细胞图像是后续细胞形态特征提取和分析的首要步骤。本文引入细胞图像序列的时域信息来构建时空曲率正则化约束,以实现细胞图像序列的去噪处理。方法首先,利用细胞图像序列的空域和时域相关性,构建基于时空曲率正则化的图像序列去噪模型;然后,通过增广拉格朗日乘子法实现模型的优化求解;最后,分别通过对叠加有不同高斯白噪声水平的纤维母细胞和多能干细胞图像序列进行去噪实验,以验证去噪效果。结果与总变分去噪法、三维阈值剪切去噪法和空间曲率正则化去噪法相比较,基于时空曲率正则化的细胞图像序列去噪方法应用于2组细胞图像序列去噪的视觉效果,及峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(structural similarity,SSIM)都优于其他3种方法。结论与其他3种去噪方法相比,此方法更加充分利用了细胞图像序列的时域信息,去噪后能有效地维持图像对比度,振铃效应不明显,对高斯噪声具有更好的适应性和稳定性,可应用于细胞形态变化检测的前期处理阶段。     

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.     

基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。     

小波变换的阈值选取及其在细胞图像去噪中的应用

阈值的选择是小波去噪的关键技术之一,但软硬阈值各有其缺陷.本文分析了自适应阈值的优点,进而提出逐点噪声方差法在去噪方面有更强的优势.仿真结果表明:采用自适应闭值并结合具有更强自适应性的逐点噪声方差法不仅能提高医学图像的峰值信噪比,还能有效地降低由传统阈值所带来的方块效应.     

基于GC V算法的背根节神经元放电信号的滤波

为去除背根节神经元放电信号中的噪声,便于进一步分析信号,采用小波滤波法。先将含噪信号采用haar小波进行5层分解,然后在传统小波软阈值滤波的基础上,提出用GCV算法来确定最优阈值,最后进行信号重构。通过matlab仿真实验表明,采用了GCV算法的滤波方法能有效去除神经元放电信号中的噪声,去噪后信号光滑连续好,并且保留了信号峰值的相关细节。     

改进小波阈值法用于心电信号去噪

由于心电图(ECG)信号的特点以及在采集过程中所受到的干扰影响,ECG信号去噪已成为ECG信号智能分析的基础。本文在基于小波变换方法的基础上,对阈值参数进行改进,提出了与噪声更加匹配的阈值表达式。利用改进的阈值对离散分解后的小波系数进行处理,通过小波逆变换重构信号,能够更加准确地去除噪声的小波系数,保留更多原信号小波系数。采用MIT-BIH中的数据进行实验,结果表明,改进方法较之现有小波阈值去噪方法,能够达到更好的去噪效果。     

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.     

瞬态诱发耳声发射信号的小波阈值去噪

目的瞬态诱发耳声发射信号是从人的外耳检测到的微弱的音频能量,在测试过程中常混入各种随机噪声,本文尝试对瞬态诱发耳声发射信号进行去噪,以提高信号的信噪比,为进一步的临床应用(如频谱分析)奠定基础.方法小波变换阈值法.选用了sym8小波,软阈值处理方法,阈值选取规则为Minimax法.结果去噪后相关系数加大,信噪比提高.信噪比平均提高约10%.结论小波变换阈值法对TEOAE信号去噪取得了较好的效果.     

基于贝叶斯粗糙集的肺部肿瘤CT图像抗噪算法设计

贝叶斯粗糙集处理噪声数据能力强,分类肺部肿瘤CT图像结果准确,为图像去噪提供精准的图像分类结果。基于此,设计基于贝叶斯粗糙集的肺部肿瘤CT图像抗噪算法,基于贝叶斯粗糙集分类模型进行肺部CT图像分类,约简贝叶斯粗糙集属性和决策规则,基于决策规则预测肺部CT图像类别;对存在肿瘤的CT图像噪声小波系数构建拉普拉斯数学模型,基于贝叶斯最大后验概率估计小波系数概率密度,计算噪声方差和子代小波系数标准差,使去噪算法具备自适应性;基于小波系数的概率密度得到最大后验(maximum a posteriori,MAP)估计值,对该值做小波反变换,实现肺部肿瘤CT图像自适应去噪。结果表明,该算法去除肺部肿瘤CT图像噪声效果好,抗噪能力强,较好保留图像细节特征,视觉效果佳。     

小波变换在ECG信号滤波中的应用研究

本文首先介绍了小波变换应用于ECG信号消噪处理中的几种常用滤波方法的原理,分析了它们的滤波性能.然后提出一种小波变换与自适应滤波相结合的心电信号去噪方法,实验证明这种去噪方法可以有效抑制心电信号中的噪声干扰,保持信号的波形特征,是对"运用多分辨率分析方法,去除噪声干扰对应小波分解尺度上细节分量"的滤波方法的一种有效改进,达到较好的滤波效果.     

基于多层小波分解与稳定分布的超声图像散粒噪声抑制新方法

医学超声图像在应用中遇到的一个重要问题是如何消除图像中由于散射现象的相干本质而引起的多径乘性散粒噪声。对数超声图像的二维小波系数服从具有尖峰和拖尾的边缘分布的非高斯分布。α稳定分布可以用来描述这类重拖尾非高斯尖峰脉冲信号和噪声。本研究利用一种散粒噪声模型，通过对对数超声图像的多层小波分解的高频系数的分析与稳定分布建模，提出了一种新的基于闽值的二维小波分解系数的检测分类方法，得到一种基于多层小波分解与稳定分栉模型的超声图像散粒噪声的抑制新方法。仿真结果表明，该方法比传统的基于高斯假设下的阈值去噪方法性能更好。     

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。