基于小波变换的医学图像去噪与增强研究.pdfVIP

2013中华医学会医学工程学分会第十四次学术年会 基于小波变换的医学图像去噪与增强研究 方舸刘健邵勤马靖武 江苏省中医院210029 接要：本文对基于小波变换的医学图像去噪和增强技术进行了研究。针对医学图像的去噪和增强 分别采用了基于相关性的小波理论和子带增强的方法。实验证明基于相关性的小波变换具有良好的 去噪能力；子带增强的方法可以对医学图像的细节进行增强。经过去噪和增强后的医学图像，其清 晰度和细节特征都得到了提高，可有效地提高医师诊断疾病的准确率。实验证明文中所用的方法具 有一定的实践价值和意义。 关键调：小波变换医学图像去噪增强 1引言 由于医学图像获取条件的特殊性，使图像的信噪比较低，直接导致图像中的某些特征细节淹没在 图像的噪声中而不能很好的得到辨识，从而降低了医师诊断疾病的准确率，因此降低医学图像的噪 声并增强其特征细节是当前医学图像研究的重要内容[1．2J。 而近些年来小波变换理论受到了众多学科的共同关注。这是由于小波的多分辨率分析具有良好的 空间域和频率域局部化特性，对高频信号采用逐渐精细的时域或空域步长，可以聚焦到分析对象的 任意细节，特别适合于图像信号这一类非平稳信号源的处理，已成为图像处理的新手段[引。本文主 要研究基于小波变换的医学图像去噪和增强处理方法o 2小波去噪理论 一般来说，现实中的任何图像都是含有噪声的，而为了能够对图像进行更高层次的处理，必须对 图像进行去噪处理，尤其是信噪比较低的医学图像。之前人们根据图像实际噪声的统计特证和频谱 分布特点提出了各种各样的去噪方法，其中最简单也是最为直观的就是采用低通滤波的方式来达到 去噪的目的，这是因为噪声一般集中于高频段，而图像信号则分布于一个较窄的有限低频段。近些 年来用小波变换进行去噪的方法越来越受到关注，这是小波变换具有一些特殊的性质，如： (1)低熵性，小波系数的稀疏分布，使得图像经过小波变换后的熵降低； (2)多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、 断点等； (3)去相关性，因为小波变换可以对图像进行去相关，且噪声在变换后有白化趋势，所以小波域比时 域更利于去噪： (4)选基灵活性，由于小波变换可以灵活选择变换基，从而对不同应用场合，对不同的研究对象， 可以选用不同的小波母函数，从而获得最佳的处理效果。 从上面几点可以看出小波变换非常适合于医学图像的去噪处理【z，引。 当前小波去噪的算法基本上可以分为三种： 一28 2013中华医学会医学工程学分会第十四次学术年会 (1)基于小波变换的阈值化去噪方法。这种去噪方法利用了小波变换后，图像有用信号的能量主要 集中于几个较大的小波系数上，而噪声能量的系数则均匀分布在所有的小波系数上而使每个相关系 数值较小，这样就可以设定一个闻值大小，使小于此阈值的小波系数为零来达到图像去噪的目的。 (2)基于小波变换的正则化方法。这种去噪方法主要是利用了小波变换后，各个子频带具有不同的 频率特性和不同的方向特性，对各个子频带采用不同的正则化参数和正则化算子来达到图像去噪的 目的。 (3)相关方法。这种去噪方法主要是基于信号在各层相应位置上的小波系数之间往往具有很强的相 关性，而噪声的小波系数则具有弱相关或不相关性的特点来进行去噪的。 由于医学图像显示的是人体组织密度、厚度之间的强弱对比，组织内的各像素值变化很小，且多 数医学图像有着较大的背景平坦区域，另外人与人之间也存在着较大的区别[刳，如果采用阈值化去 噪方法，不管采用的是硬阈值还是软阈值都不具有较强的广泛应用性，因为阈值大小的设定对整个 图像的去噪效果有着很大的影响。而正则化方法需要采用的正则化参数和正则化算子较多，使得去 噪时计算量较大，程序复杂。与上述两种方法相比，相关方法不仅不需要对每个图像进行优化而使 其具有广泛应用的基础，同时它也不需要较多的参数或函数，使得去噪算法的计算量较小，程序也 较为简单。另外基于相关性的小波去噪算法还对图像豹边缘处具有很好的保护，使得经过小波去噪 后的图像能够较好的得到重建。 3小波去噪算法及实现 3．1基于相关性昀小波去嗓算法 首先有：