- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于偏微分方程的医学图像去噪tv.pdf
维普资讯
软件天地 中文核心期刊 《微计算机信息(测控自动化)2006年第22卷第9.1期
基于偏微分方程的医学图像去噪
MedicalImageDenoising BasedonPDE
(1.徐州工程学院;2.中国矿业大学)李 浩 杨金云
Li,Hao Yang,Jinyun
摘要:图像去噪是 图像处理的重要组成环节 ,近年来 ,偏微分方程 的图像去噪方法得到 了广泛的关注 。本文从经典的图像去
噪方法入手 ,引入 了基 于偏微分方程 的正则空间模 型 ,并结合 TV滤波器的设计 .给 出了一种针对 医学 图像 去噪 的方法及其
实现 ,最后通过 实验对结果加 以比较分析 ,证 明这种方法应用于医学 图像去噪 ,得到令人满意的结果 。
关键词:图像去噪;偏微分方程 ;正则空间模型;TV滤波器 ;信噪比
中图分类号:TP391 文献标识码:A
Aimtract:Imagedenoisingisallimportantpart ofImageprocessing.PresentlythemethodbasedonPDE ofImage denoisingattracts
people,sattention..A PDE—basedregularity spacesmodelwasintroduced in thispaper.CombinedwiththeideaofTV filter.amethod
forMRImedicalimage denoisingwaspresentedwith itsrealization.Accordingto experiment,resultswere comparedandanalyed.The
methodwasapplied tomedical imagesand itsresultswereencouraging.
keywords:imagedenoising ,partialdifferentialequations ,regularityspacesmodel。totalvariaationfilter。SNR
引言 1 去噪模型及经典方法
噪声是影响医学图像质量重要的因素之一,当病 图像去噪是一种特殊的图像复原方法 .也是图像
变组织与正常组织的衰减系数相差很小时,高噪声医 处理中常用的技术。图像恢复的过程是个逆过程 ,就
学影像将无法分辨出我们赶兴趣的病灶 。医学诊断主 是根据一些 已知降质噪声图像模型,从所得噪声图像
要是依据医学影像所提供的正常或异常信息做出诊 中恢复原来的图像 ,也就是原图像的某种最优意义下
断结论,病变诊断符合率取决于图像质量,优质医学图 的估计问题。假设观察到的图像是在一个有界区域上
像是诊断准确的前提,因此,需要尽可能减少噪声的影 的二维函数,设 uo(x,y)为降质图像 ,U(X,Y)为原始 图
响。图像噪声按其来源可分为加性噪声、乘性噪声、量 像,则常用的降质模型如下所示:
化噪声等;按噪声的性质则可分为高斯噪声和脉冲噪 I1。 x , y)=[H·u(x,y)+nlx,y)]n2(x,Y) (1)
声两类。医学图像的噪声受到很多因素的影响,图像数 其中n(x,y)为加性噪声,n2x,Y)乘性噪声,H为
据中混有各种噪声,但主要表现为高斯噪声和脉冲噪 线性模糊算子或是退化算子 。在实际应用中.普遍将
声。传统的图像去噪方法,如中值滤波、均值滤波,主要 图像离散化后再进行处理,设图像离散化后的大小为
将图像的高频成分滤除。由于图像的细节如边缘纹理 MxN,离散化的降质模型表示如下:
等也分布在高频区域,所以总是在对噪声进行滤除的 u。 m , n)=Hu·(m,n)+n(m,n) (2)
同时将图像的边缘部分模糊了。事实上,数字图像在本
文档评论(0)