基于后小波变换的改进医学图像增强算法研究

《基于后小波变换的改进医学图像增强算法研究》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、国内图书分类号：TN911.73学校代码：10213国际图书分类号：621.39密级：公开理学硕士学位论文基于后小波变换的改进医学图像增强算法研究硕士研究生：任平川导师：郭琦副教授申请学位：理学硕士学科：计算数学所在单位：数学系答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN911.73U.D.C:621.39DissertationfortheMasterDegreeinScienceTHESTUDYOFIMPROVEDMEDICALIMAGEENHANCEMENTBASEDONBEYOND

2、WAVELETSTRANSFORMCandidate：RenPingchuanSupervisor：Assoc.Prof.GuoqiAcademicDegreeAppliedfor：MasterofScienceSpeciality：ComputationalMathematicsAffiliation：DepartmentofMathematicsDateofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学理学硕士学位

3、论文摘要本文分析了近年来国内外出现的后小波图像去噪增强算法，根据它们的缺点提出了新的改进算法。考虑到小波变换不能够理想逼近图像的曲线，本文引入了轮廓波变换替代小波变换，使其分解后的系数更加稀疏，直接提高了去噪增强效果。在去噪过程中，大部分算法着重改进阈值与阈值函数的构造，却忽视了对去噪结果的再次处理。对此，首先分别改良了阈值与阈值函数，并把它们推广至轮廓波域。之后，使用多次平移取均值的方法进行再次处理，有效改善了图像去噪带来的失真现象。在增强过程中，大部分算法使用全局增益函数，增益效果一般。对此，本文结合低频子图和高频子图的特点，提

4、出了两种不同的增益函数分别进行增强，增强后的图像噪声被有效抑制并且纹理更加清晰。使用Matlab进行仿真实验，对乳腺X射线图进行增强，对比了直方图方法、拉普拉斯方法、改进小波方法和传统轮廓波方法，本文方法增强效果最好。得出的结果图亮度和整体对比度都有提高，整体上适合人眼观察；细节部分得到增强，能清楚地观察钙化点的轮廓，并且没有出现白色阴影，乳腺纹理也很清晰。运用方块波对图像进行分解，能量最为集中，稀疏性最好。但运用方块波去噪，结果图中会产生不良的方块现象。本文在分析方块波构造的基础上，针对这一缺陷，引入递归平移方法，有效消除了图像中

5、的模糊块。为防止递归平移方法“过扼杀”系数，构造了相匹配的窗口函数。使用matlab进行仿真，对头部核磁共振图进行去噪，对比小波方法、改进小波方法、改进轮廓波方法、传统方块波方法，本文算法去噪效果最好。去噪结果的PSNR值最高，有效地去除了噪声，同时保留了原始图像的局部特征，脑部纹理最为清楚。关键词：图像增强；图像去噪；后小波变换；轮廓波变换；方块波变换-I-哈尔滨工业大学理学硕士学位论文AbstractThispaperanalyzesthebeyondwaveletsalgorithmappearedathomeandabroa

6、dandproposesanimprovedimageenhancementalgorithmbasedontheirshortcomings.Consideringthattheimagecannotbeapproximatedbythewavelettransformideally.Thispaperintroducesthecontourlettransforminsteadofwavelettransformwhichmakethecoefficientssparser.Intheprocessofdenoising,mos

7、tofthealgorithmsfocusonimprovingthestructureofthresholdandthresholdfunction,butignorethere-processingofdenoisingresults.Forimprovingthis,weimprovethethresholdandthresholdfunctionandextendittothecontourletframe.Thenwetakethemeanimageofspinningdenoisingimages,whichmaketh

8、eimagedistortionimprovetosomeextent.Intheenhancementprocess,mostofthealgorithmusestheglobalgainfunction.Forimprovingt