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。     

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。     

基于非下采样轮廓波变换的多模态医学图像融合

由于基于小波变换的图像融合方法仅在水平、垂直、对角线三个方向对图像的高频信息进行分解,易造成图像轮廓的不连续性,而基于非下采样轮廓波变换(NSCT)的融合方法能够对图像中的高频信息进行多方向分解。本文基于NSCT对多模态医学图像进行融合,以区域能量平均加权法作为NSCT变换后低频子带的融合规则,区域能量中心加权作为高频内层带通子带的系数融合规则,外层带通子带则采用区域能量最大的系数融合规则。通过对精确配准的头部PET、CT、MR图像的融合实验,借助清晰度、信息熵、联合熵等指标进行客观评价,‘prewitt’算子提取融合图像的边缘信息进行主观评价,验证该算法在视觉效果、信息含量、实时性和长轮廓表达上的优势。相较于其他文献中提出的算法,本文算法得到的融合结果信息丰富程度提升约7%、清晰度提升约31.7%、程序运行时间缩短一半,应用前景可观。     

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.     

一种基于无抽样方向滤波器组的抑制噪声的医学图像增强算法

目的:针对传统的图像增强算法中存在弱边缘增强效果差、同时噪声抑制较弱等问题,本文提出的一种无抽样方向滤波器组,并将其用在医学图像增强中.方法:首先,将一维低通滤波器转换成二维低通滤波器,此滤波器再经平移、旋转等操作得到其他多方向无抽样频域滤波器,并将各频域滤波器转化成空间模板,便于使用;其次,将多尺度分析方法与无抽样方向滤波器组结合对图像进行分解得到各子带图像,对各子带图像进行统计特性分析,确定图像的强边缘、弱边缘和噪声;最后,对此三类信息不同的线性变换分别进行处理,获得增强后的图像.结果:由于无抽样方向滤波器能够较好的捕获图像的方向信息,多尺度分析能够较好区分不同的边缘信息,所以该方法的结果很好的保护了图像的边缘及细节.同时有效的去除了图像的噪声,层次结构清晰,视觉效果有了显著改善.结论:将无抽样方向滤波器与多尺度分析结合,并根据不同纹理信息的特点,对各类信息采用不同的处理,是一种行之有效的图像增强方法.     

基于剪切波变换的医学图像融合算法

剪切波变换是一种新颖的多尺度几何分析工具,具有多分辨率、多方向性、效率较高等优点,比小波变换、曲波变换、轮廓波变换等图像表示方法有独特有的优势.基于剪切波变换提出一种医学图像融合算法,先将原始图像通过剪切波变换分解为低频子带图像和高频方向子带图像,然后采用非负矩阵分解方法融合低频子带系数,再通过深入研究人类视觉系统的特性提出最大视觉能量对比度方法,利用局部对比度和局部区域的能量和进行高频方向子带系数的融合,最后通过剪切波逆变换得到融合图像.两组实验均显示所提出的融合方法在与其余3种融合方法的比较中,采用的5项客观评价指标均有4项指标达到最优值,证明所提出的方法获取的融合图像效果最好.     

基于Contourlet变换和PCNN的CT图像椎体解剖轮廓特征提取方法的研究

提出一种新的基于Contourlet变换和脉冲耦合神经网络(PCNN)的医学图像解剖轮廓特征提取算法。首先对原始椎体CT图像进行Contourlet变换,得到能稀疏表示图像边缘以及方向信息的子带和低频子带;然后结合PCNN对低频子带进行边缘轮廓细节提取,最后利用处理后的所有子带系数,通过Contourlet逆变换,提取出图像的边缘轮廓。实验将本算法提取的结果与Canny算子、区域生长法以及结合小波变换和PCNN的算法提取的图像边缘轮廓进行比较,结果表明新算法能够有效的实现医学图像解剖结构轮廓特征的提取。     

医学超声图像分割的一种新方法

有效地实现超声图像的分割依然是临床疾病诊断亟待解决的一个难题。本研究将图像树型框架小波变换、尺度共生矩阵、KL变换主分量分析和自组织神经网络聚类相结合应用于医学超声图像，提出一种分割新方法。实验表明，对于不同的医学超声图像，应用本研究方法均可得到比较清晰的分割结果，且显著地提高了分割图像的对比度，这对于固有对比度较低的医学超声图像来说不啻一种很有效的图像分割新方法，为临床诊断提供新的借鉴。