非平稳度量方法及其在生物医学图像与信号处理中的应用.pdf

Classified Index: TP391.4 U.D.C.: 621.3 Dissertation for the Doctoral Degree in Engineering A GENERAL NON-STATIONARITY MEASURE AND APPLICATIONS TO BIOMEDICAL IMAGE AND SIGNAL PROCESSING Candidate ： Yanli Zhang Supervisor： Wanyu Liu Academic Degree Applied for： Doctor of Engineering Speciality ： Instrumentation Science and Technology Affiliation ： Department of Automatic Testing and Control Date of Defence ： June, 2013 Degree-Conferring-Institution ： Harbin Institute of Technology 摘 要 摘 要 变化是图像及信号处理方法中经常用到的信息，通常利用某种度量方法将 其量化后加以利用。这些量度、量化图像和信号变化大小的方法称为变化度 量。变化度量常用于信号变化检测方法、图像边缘检测方法、边缘型图像分割 模型以及特征保持的图像平滑方法等多种处理方法中。 这些基于变化度量的方法以图像或信号的变化为主要利用信息，变化度量 结果的准确与否直接影响了此类方法的性能。在那些高噪声、强随机的生物医 学图像和信号处理中，现有的变化度量往往因受到噪声干扰而得到不甚准确的 变化信息。这是导致基于变化度量的方法在处理信噪比较低的生物医学数据时 性能下降的原因之一。 研究鲁棒的变化度量，利用其提高基于变化度量的图像和信号处理方法的 抗噪声能力，尝试解决高噪声、强随机的生物医学图像和信号处理中因噪声干 扰引发的问题，是本文的研究角度和基本思路。 另一方面，新的医学成像技术带来了新的数据形式。在处理这些新形式数 据时，需要定义相应的变化度量。鲁棒地量度张量值和向量值数据的变化成为 近年来图像处理技术发展中需要解决的新问题。 非平稳度量通过量度图像及信号的非平稳程度来反映和量化图像及信号中 存在的变化，对噪声具有良好的免疫力，是一种鲁棒的变化度量。本文完善和 拓展了非平稳度量方法，提出了几个基于非平稳度量的图像和信号处理方法， 并将它们用于几种高噪声、强随机的生物医学图像和信号的处理中，有效减少 了其中因噪声干扰而引发的多种不良现象的发生。具体研究内容如下： 对非平稳度量方法进行了较为全面的改善和拓展。提出了一般参数平稳概 念，以此概念为基础，将原非平稳度量拓展为更具通用性的变化度量方法，并 利用更为贴切的概念对此方法进行阐述和解释；归纳了非平稳度量算子的一般 构造过程，研究了算子的多种典型输出形式，在理论上证明了二阶非平稳度量 算子在抗噪声性能方面的优势，并探讨了算子的关键参数选择；给出了 N 维 数据的非平稳度量方法，研究了向量值和张量值数据的非平稳度量，将非平稳 度量方法拓展为能够量度多维、多数据类型、通用的、鲁棒的变化度量。 针对强随机信号的变化检测中易发生误检、漏检以及高噪声图像的边缘检 测中易产生伪边缘的问题，分别提出了基于非平稳度量的信号变化检测方法和 图像边缘检测方法，并将它们应用于随机性较强的脑电信号的变化检测以及噪 声水平较高的心脏磁共振扩散加权图像的边缘检测中。实验结果表明，基于非 平稳度量的检测方法能够获得较为准确的信号变化时刻和图像边缘位置，减少