基于ICA的X射线图像去噪与目标提取研究-光学工程专业论文.docxVIP

南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 X 射线医学成像能观察到患者体内病变组织，这对医学诊断有重要参考价值。针对传统 医学 X 射线图像噪声强、层次感差和器官组织重叠的问题，引入独立成分分析（Independent Component Analysis, ICA）进行图像去噪和目标提取重建研究。 本论文将 ICA 理论应用于图像去噪的理论分析和仿真实验中，采用两种 ICA 去噪方法对 X 射线图像序列去噪处理，并对输出图像进行主观和客观标准评价。基于 ICA 结合稀疏编码 收缩法进行图像去噪，设定滑动窗口对目标图像进行分割为更小的图像序列，通过设定阈值 函数对呈稀疏分布的信号去除噪声保留有用信息。基于 FastICA 算法对图像序列进行去噪， 改变输入图像张数对图像去噪效果较为明显，同时对算法复杂度和时间复杂度影响较大。实 验结果表明两种 ICA 图像去噪都较好保留了图像信息，去噪效果满足主观评价标准。 基于 ICA 的 X 射线医学图像目标提取的理论分析和仿真中，首先 ICA 结合稀疏编码收 缩法对图像降噪预处理以保证目标提取精度；然后根据图像中各目标组成特性，分离图像中 每个像素对应的目标厚度矩阵；最后 ICA 以盲分离理论获得收敛矩阵重建出目标对象。在 ICA 算法中，借助于主观评价标准发现当收敛次数大于 40 时目标分离成功；当幅值尺度在[25,45] 区间内，目标图像对比度高且失真较小。通过观测实验得到的三维峰值信噪比图，表明：ICA 算法中收敛次数和幅值对图像质量有较大影响，当重建图像的对比度和边缘信息均达到较好 效果时，收敛次数与幅值为 85 和 35。 关键词: 独立成分分析，图像去噪，医学图像，图像重建，X 射线 I Abstract X-ray medical image can examine diseased tissue of patients and has important reference value for medical diagnosis. Traditional X-ray images have noise, poor level sense and blocked aliasing organs, this paper proposes a method of independent component analysis algorithm (ICA) to denoise image and separate the target objects. In this paper ICA was applied to image de-noising of theory analysis and simulation experiments, using two ICA de-noising methods to the sequences of X-ray images ,evaluating the output images with subjective and objective standards.Based on ICA combined with sparse coding shrinkage method for image de-noising, target images are divided into smaller image sequence by setting sliding window. Signals distributed sparsely are removed noise to retain useful information by setting soft threshold function