用激光技术对肿瘤进行手术切除课程设计.docVIP

一、绪论 人类获取外界信息有视觉、听觉、触觉、味觉等多种方法但绝大部分(约80%)是来自视觉所接收的图像信息，即所谓“百闻不如一见”。而图像处理就是对图像息进行加工处理，以满足人的视觉心理和实际应用的要求。因此，图像处理技术的广泛研究和应用是必然的趋势。在分析和使用图像之前，需要对图像信号进行一系列处理。比如调整图像的格式，对图像进行去噪等等。图像处理是针对性很强的技术，根据不同、不同要求采用不同的处理方法。采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、生理学、医学、计算机科学、通信理论、、控制论和系统工程等各学科相互补充、相互渗透才使数字图像处理技术飞速发展。,激光束经远距离传输后的光斑图像将受到严重的噪声污染。一方面,由于环境背景光影响,激光光斑图像中夹杂着众多不同频率的噪声,使得图像轮廓模糊,像质差,图像的信噪比降低;另一方面,图像采集时总会受到CCD的热噪声、读出噪声、A /D转换噪声、量化噪声的干扰。这些噪声极大地影响了上述应用场合的光斑分析,尤其是在暗背景条件下, CCD的光子噪声成为制约图像信噪比的主要因素,低信噪比条件下的激光光斑图像预处理技术是目前激光图像处理的一个研究热点。? 用激光技术对肿瘤进行手术切除或直接照射，以消除肿瘤的治疗方法称为激光疗法。激光疗法是近十多年发展起来的一种新方法。激光是一种高能量的光束，特定的激光束能像一把锋利的手术刀一样切割人体的各种组织，使用这种特制的激光“刀”，不但能轻而易举地切除肿瘤组织，而且还有很好的止血作用。应用高功率聚焦激光直接照射，能使肿瘤组织迅速变为蒸气和雾，从而消除肿瘤。噪声图像模型及噪声特性 现实中的数字图像在数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。去除或减轻在获取数字图像中的噪声称为图像去噪,在图像去噪之前我们先要建立一个的模型，为了简便，我们研究如下的加性噪声模型，即含噪图像仅由原始图像叠加上一个随机噪声形成: 表示图像，为噪声，含噪图像记为。 在对这个含噪模型进行研究之前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声源可分为三类。人们对其生成原因及相应的模型作了大量研究[3]: 1、电子噪声。在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。 2、光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述的高斯分布。 3、感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而部分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定，而算曝光颗粒的分布呈现一种随机性在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。 通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，因而为了简便和一般化，我们采用零均值的高斯白噪声作为噪声源。对随时间变化的信号，通常采用两种最基本的描述形式，即时域频域。时域描述信号强度随时间的变化，频域描述在一定时间范围内信号的频率分布。对应的图像的去噪处理[4]方法基本上可分为空间域法和变换域法两大类。前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。 邻域平均法是一种局部空间域处理的算法。设一幅图像为的阵列，处理后的图像为，它的每个像素的灰度级由包含领域的几个像素的灰度级的平均值所决定，即用下式得到处理后的图像: (2-l) 式中s是以点为中心的邻域的集合，M是s内坐标总数。图像邻域平均法的处理效果与所用的邻域半径有关。半径愈大，则图像模糊程度也愈大。另外，图像邻域平均法算法简单，计算速度快，但它的主要是在降低噪声的同时使图像产生模糊，特别在边缘和细节处，邻域越大，模越厉害。 中值滤波是一种非线性滤[6-7]，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来被二维图像信号处理技术所应用。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。 设有一个一维序列，，…，取窗口长度为m(m为奇数)，对此序列进行中值滤波，就是从输入序列中相继抽出m个数，，…，，…，，…，，…，，其中为窗口的中心位置，，再将这m个点按其数值大小排列