高分辨X光胃肠数字图像处理技术的研究

论文摘要

在现代医学中,X光医学影像技术己成为医生必不可少的手段和工具。X光医学图像质量的好坏,将直接影响医生对患者病情的诊断和治疗。然而,在获取X光医学图像的过程中,其图像不可避免会混杂各种噪声。高分辨率X光胃肠数字图像也不例外。当胃肠病变组织与正常组织的X光衰减系数相差很小时,图像中若夹杂噪声,医生将无法判定患者胃肠中的病灶。因此,优质的高分辨率X光胃肠数字图像,便是医生准确诊断病状的先决条件。由此可见,对高分辨率X光胃肠数字图像进行降噪处理,尽可能的减少噪声对X光胃肠数字图像造成的不良影响,将是提高或改善高分辨率X光胃肠数字图像质量的一种有效的手段。论文在阐述医学X光成像系统的结构和原理的基础上,根据高分辨率X光胃肠数字成像系统的成像过程,研究分析噪声来源及各种噪声的特性,指出其噪声可以分为系统的固有特性噪声和系统的随机分布噪声两大类。通过优化硬件结构,可以降低系统的固有特性噪声;通过对系统的随机分布噪声分析,主要包含椒盐噪声和高斯噪声。基此,研究分析比较中值滤波和维纳滤波传统的数字图像滤除噪声的方法,提出了采用自适应中值滤波算法和改进的维纳滤波算法,以此对高分辨率X光胃肠数字图像进行图像降噪处理,并给出了相关实验处理分析结果。针对2048×2048×12bit高分辨率X光胃肠数字图像系统的图像噪声滤噪的要求,论文研究并借鉴小波变换用于诸多高分辨问题的数字图像去噪的研究方法,提出了一种基于系数分类的小波域混合模型图像去噪算法,用于高分辨率X光胃肠数字图像的去噪。该算法首先利用小波零树结构表达尺度间的相关性,将小波系数进行分类,然后采用混合模型逼近每类的局部统计特性,在贝叶斯框架下实现图像的降噪处理。通过试验仿真图像和实际的高分辨率X光胃肠数字图像的研究,结果表明,该算法在有效去除噪声的同时,能够较好地保持了图像中的细节信息,克服了中值滤波和维纳滤波传统的数字图像噪声滤波方法易于造成图像细节模糊的不足,这为医生准确诊断胃肠病状提供了可靠的保障。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 X 光医学数字图像系统
• 1.2.1 传统的X 光成像系统
• 1.2.2 CR 成像系统
• 1.2.3 DR 成像系统
• 1.3 X 光胃肠数字图像系统
• 1.4 医学图像处理研究现状
• 1.5 论文研究工作的来源及意义
• 1.6 论文主要研究内容
• 2 高分辨率X 光胃肠数字图像系统的噪声分析
• 2.1 引言
• 2.2 高分辨X 光胃肠数字图像系统的成像原理
• 2.3 系统噪声分析
• 2.3.1 系统的固有特性噪声
• 2.3.2 系统的随机分布噪声
• 2.4 本章小结
• 3 X 光胃肠数字图像常用去噪方法研究
• 3.1 引言
• 3.2 中值滤波的基本原理
• 3.2.1 一维中值滤波
• 3.2.2 二维中值滤波
• 3.3 自适应中值滤波器
• 3.3.1 自适应中值滤波的算法
• 3.3.2 边缘处的滤波
• 3.3.3 邻域一致性测度（NHM）
• 3.3.4 算法参数选取
• 3.3.5 算法结果
• 3.4 维纳滤波
• 3.4.1 维纳滤波原理
• 3.4.2 改进的维纳滤波
• 3.4.3 算法结果分析
• 3.5 本章小结
• 4 基于小波变换的高分辨X 光胃肠数字图像去噪方法研究
• 4.1 引言
• 4.2 小波变换理论
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.2.3 小波变换的特点
• 4.2.4 多分辨率分析
• 4.3 常用的小波函数
• 4.3.1 Haar 小波
• 4.3.2 墨西哥帽（Marr）小波
• 4.3.3 Morlet 小波
• 4.3.4 Daubechise（DbN）小波系
• 4.4 小波去噪技术
• 4.4.1 小波去噪的描述
• 4.4.2 小波去噪方法的分类
• 4.4.3 阈值去噪方法
• 4.5 图像质量评价
• 4.6 分解层数的确定
• 4.6.1 图像的二维小波变换
• 4.6.2 Bayes shrink 去噪的阈值选取
• 4.6.3 分解层数确定方法
• 4.7 高分辨率X 光胃肠数字图像的小波去噪算法
• 4.7.1 Bayes 去噪
• 4.7.2 基于小波零树结构的系数分类
• 4.7.3 基于分类的混合模型降噪算法
• 4.7.4 图像降噪算法步骤
• 4.7.5 仿真实验
• 4.7.6 实验结果及分析
• 4.8 本章小结
• 5 全文总结与展望
• 致谢
• 参考文献
• 附录