基于小波分析的医学图增强.pptVIP

基于小波分析的医学图像增强 学院 #######学院 专业 ######## 姓名 ### 指导老师 ### 论文结构 引言(简要介绍医学图像增强的研究背景及意义) 算法原理(简单介绍了本文所用到的数学知识) 算法流程(提出了一种基于小波变换的模糊域增强算法) 结果与讨论（对图像增强传统方法与本文所用算法进行比较，验证了该算法的可行性和优越性） 结束语 1、引言 医学影像是医生临床诊断和治疗的重要辅助手段 医学图像在采集、传输中会引入大量噪声 为了提高图像的可读性，进行更有效的观察和诊断，对其进行计算机处理（去噪、增强）就显得非常必要 2、研究现状 传统方法：频域滤波（低通滤波、wiener滤波），空域滤波 （中值滤波） 新方法：1、经典的图像增强方法的改进 2、基于小波变换的图像增强技术 3、基于神经网络、模拟退火法、遗传算法的图像 增强技术 4、基于数字形态学的图像增强技术，如基于粗糙 集理论、模糊数学的增强方法。 3、算法流程图 4、结果与讨论 软阈值去噪 图像的噪声主要分布在高频区域 经小波分解后，信号的小波系数幅值要大于噪声的系数幅值，可以认为，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很大程度上是噪声 软阈值函数 模糊域增强 模糊子集，隶属函数 设U=(x)是一个集合，μ(x)是定义在U上并在[0,1]区间中取值的一个函数，则μ(x)刻划了U中的一个模糊子集A，我们称U是论域，A是U的模糊子集，μ(x)是A的隶属函数。 最大隶属度原则 最大隶属度原则就是认为元素隶属于隶属度最大的集合。 模糊域增强流程图 重构 结果讨论 致谢 感谢###老师 感谢所有的老师和同学 * * F：隶属函数 T：模糊增强算子 F’：逆映射（F的反函数） 隶属函数F： 其中 模糊增强算子T： 逆映射F’： 低频分量增强效果 结果分析：1、高频去噪和低频增强都取得了很好 的效果 2、重构后的图像不太理想 存在问题：1、边缘模糊，低频模糊域增强引起 的。 2、重构后图像对比度下降 解决方法：1、改进模糊算法 2、改进重构方法，或对重构后的图像 进行处理 *