西电毕设翻译中文版创新.doc

基于小波变换的医学图像增强算法 低的对比度和差的图像质量是医学图像的主要问题。通过小波变换和哈尔变换提出了一个新颖的图像增强的方法。首先，医学图像经过小波变换分解。第二，所有高频子图片经过哈尔变换分解。第三，噪音频率通过软阀值的方法降低。第四，高频系数通过在不同的子图片中不同的重量值来增强。然后，增强的图像通过逆小波变换和逆哈尔变换而获得。最后，图像的直方图被非线性的直方图均衡拉伸。实验表明，这种方法不仅能增强图像的细节，也可以保持有效的边缘特性。 简介：由于先进的医疗设备在医疗领域的投入使用，医学图像增强技术吸引了大量的关注。增强医学图像可以协助外科医生诊断和解释病因。因为医学图像的品质通常有噪音和和其他数据采集设备，照明条件等的影响。而医学图像增强的目标主要是解决问题的低对比度和高水平医学图像的噪声。医学图像增强技术吸引了许多研究,主要集中在灰度变换和频域转换。频域变换的研究主要集中在小波变换和直方图均衡，直方图均衡是一个相当典型的空间领域的图像增强方法。小波变换是一种在1980年代开发的时频分析工具,它已经成功地应用于图像处理领域在Mallat[1]提出了快速分解算法后。基于小波变换的图像增强方法有很多，比如Luetal.[2],Yang and Hansell[3],Fang and Qi[4],Zhou et al.[5],Wu and Shi[6],etc.在这些论文,