X-CT醫(yī)學(xué)影像圖像去噪算法研究.pdf

1、X射線計(jì)算機(jī)斷層掃描(X-Computed Tomography，X-CT)成像是一種重要的醫(yī)學(xué)影像圖像診斷技術(shù)，與磁共振、超聲等同樣是醫(yī)生獲取信息的重要來(lái)源。與其他醫(yī)學(xué)成像方法相比，X-CT醫(yī)學(xué)影像圖像具有組織結(jié)構(gòu)密度分辨率高，對(duì)人體損害小等優(yōu)點(diǎn)，對(duì)病理學(xué)和解剖學(xué)的研究非常重要。但是在X-CT機(jī)掃描過(guò)程和傳輸圖像過(guò)程中，會(huì)產(chǎn)生圖像模糊不清或者邊界不明顯等現(xiàn)象，致使X-CT醫(yī)學(xué)影像圖像的可讀性不高，醫(yī)生無(wú)法準(zhǔn)確診斷。因此，探討醫(yī)學(xué)影像圖

2、像在臨床的應(yīng)用意義重大，研究消除X-CT醫(yī)學(xué)影像圖像噪聲的方法具有很高的應(yīng)用價(jià)值。
　　傳統(tǒng)的X-CT醫(yī)學(xué)影像圖像去噪方法有均值濾波、中值濾波、空域維納(Wiener)濾波等，但這些去除噪聲的方法在對(duì)X-CT醫(yī)學(xué)圖像去除噪聲的同時(shí)一些重要的細(xì)節(jié)信息也模糊了，其圖像的處理效果滿足不了醫(yī)學(xué)診斷治療的需要。而目前被廣泛應(yīng)用的小波變換圖像去噪方法其雖在時(shí)頻域具有多分辨率的特性，但缺乏在方向性上的不足，使得處理后的圖像信息在邊緣輪廓和細(xì)節(jié)特

3、征處會(huì)產(chǎn)生一定程度的模糊，難以完整的捕捉到圖像的輪廓信息，因而不是最優(yōu)的圖像稀疏的表示方式，由此會(huì)增加臨床醫(yī)生漏誤診的幾率。
　　為了克服上述方法對(duì)X-CT醫(yī)學(xué)影像圖像噪聲成分分析不夠透徹等不足，本文首先選用了能夠很好地抓住圖像的幾何結(jié)構(gòu)特性，并能有效的實(shí)現(xiàn)圖像信息的局部的、多方向性的、多分辨率的一種真正的圖像的二維表示方法——Contourlet去噪算法。然而由于Contourlet變換采取的是下采樣的操作，缺乏平移不變性，會(huì)產(chǎn)

4、生偽Gibbs現(xiàn)象，使得去噪后的圖像失真，故對(duì)原Contourlet變換進(jìn)行了改進(jìn)，提出了非下采樣Contourlet變換，克服了原Contourlet缺乏平移不變性的缺陷。本文根據(jù)此變換，提出了一種改進(jìn)的X-CT醫(yī)學(xué)影像圖像去噪算法，該算法是以Context模型為基礎(chǔ)的經(jīng)改進(jìn)變換系數(shù)閾值的非下采樣Contourlet變換，并進(jìn)行了仿真實(shí)驗(yàn)和分析，經(jīng)實(shí)驗(yàn)結(jié)果分析比較表明該算法不僅提高了峰值的信噪比，還更好的保留了圖像的細(xì)節(jié)特征，有效的改

5、善了X-CT醫(yī)學(xué)影像圖像的質(zhì)量。
　　其次，本文利用一種新圖像信號(hào)處理方法盲信號(hào)處理的重要分支獨(dú)立分量分析（Independent Component Analysis，ICA），提出一種改進(jìn)的基于獨(dú)立分量分析的X-CT醫(yī)學(xué)影像圖像去噪算法。該方法從分離的角度出發(fā)，認(rèn)為當(dāng)某一X-CT醫(yī)學(xué)影像圖像受到方差不同的同一噪聲源的兩次不同污染后，在ICA的分離過(guò)程中，得到兩個(gè)新的混合圖像;而經(jīng)過(guò)ICA分離后的圖像，得到分離矩陣，依此矩陣與原