基于contourlet变换的超声图像去噪算法研究

《基于contourlet变换的超声图像去噪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据论文题目：基于Contourlet变换的超声图像作者姓名：专业名称：指导教师：去噪算法研究论文提交El期：论文答辩日期：授予学位日期：入学时间：研究方向：职称：至Q曼垒生§目2Q曼垒鱼E鱼目止{垂

2、L旦曼立生型盏丛处址盟篮』，洚万方数据STUDYoNDENolSINGALGoRITHMOFULTRASoUNDIMAGEBASEDoNTHECoNToURLETTRANSFoRMADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTERoFEN

3、GINEERINGfromShandongUniversityofScienceandTechnologybyCaoXuhuiSupervisor：AssociateProfessorBaiPeiruiCollegeofElectrical&CommunicationandPhysicsMay2014万方数据本人呈交给山东科技大声明学的这篇硕士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定·硕士生签名：日期：AFFIRMATIoN拈芳冬砂似‘·1ldec

4、larethatlhisdissertation，submittedinfulfillmentoftherequirementsfortheawardofMasterofPhilosophyinShandongUniversityofScienceandTechnology，iswhollymYownworkunIeSsreferencedofacknowledge．ThedocumenthasnotbeensubmittedforqualificationatanYotheracademicinstitute．Signature

5、：Date：∞炽“沙，伊．彳、fJ万方数据山东科技大学硕士学位论文摘要超声图像去噪是实现医学图像处理与后续分析的关键步骤，对辅助医生诊断和治疗患者病情有着重要的意义。由于超声图像噪声的情况比较复杂，这就对去噪方法提出了更高的要求。因此，超声图像去噪一直是医学图像处理中的难题。经典的超声图像滤波方法包括：均值滤波，中值滤波，维纳滤波，以及小波变换。由于人们主要对超声图像中因病变产生的微弱保留部分感兴趣，上述的均值滤波，维纳滤波等方法都无法达到良好的降噪效果。虽然小波去噪方法要比其他几种方法优越，但要得到能够更好地满足超声图象处理特殊

6、要求还是有一定的困难。而多尺度儿何分析克服了小波不能最优的表示图像中线和面奇异性的缺陷，在图像去噪、融合等领域都得到了成功的应用。其中Contourlet变换具有灵活对图像进行多尺度、多方向分解的特点，从而被广泛的应用于图像去噪等领域。基于此，本文进行了以下几方面的研究：1)研究了多尺度几何分析理论。从多尺度几何分析的发展过程入手，分别研究了小波变换，Contourlet变换的理论及其优缺点。2)研究了基于Contourlet变换超声图像去噪算法和各向异性扩散的超声图像去噪算法，并通过实验对二者的性能进行了分析。3)提出了利用Co

7、ntourlet变换与各向异性扩散技术相结合的方法。该方法克服了Contourlet变换在图像去噪时的缺陷，即指在图像的奇异点附近会产生伪Gibbs现象，在奇异点附近重构后的去噪图像会交替出现较大的上下幅值振动。而各向异性扩散的特性能使表示图像边缘的Contourlet系数的能量更加集中，各向异性扩散在消除噪声和保护边缘方面具有较好的优势，且很好地克服了其在光滑区域产生虚假边缘的缺点。通过多种超声图像的仿真实验可以证实，新的方法法对超声图像具有更好的去噪效果。关键字：超声图像，Contourlet变换，各向异性扩散万方数据山东科技

8、大学硕士学位论文ABSTRACTUltrasoundimagede·noisingisakeysteptoachievethemedicalimageprocessingandsubsequentanalysis，andalsohascrucialsignificancetothemedicaldiagnosisandpatienttreatment．Thepurposeoftheultrasoundimagede—noisingisnotonlytosmooththenoise，butalsotokeepdetailedfeat

9、uresoftheoriginalimageasmuchaspossible．So，ultrasoundimagede—noisinghasbeenamedicalimageprocessingproblem．Theclassicultrasoun