基于小波变换的CT图像去噪增强研究(2)

参 考 文 献 (1)李秀峰，苏兰海，荣慧芳，陈华．改进均值滤波算法及应用研究[J]．微计算机信息，2008，24（1-1）：235-237 (2)王登位，李炜．基于小波变换的图像去噪研究[J]．计算机与数字工程，2007，35（9）：131-134 (3)罗忠亮，王修信，胡维平．基于小波分析的医学超声图像去噪与增强研究[J]．计算机工程与应用，2004，19：230-232 (4)史玉林，李飞飞，孙益顶．基于均值滤波和小波分析的图像去噪[J]．电子测量技术，2008，31（8）：140-143 (5)张赫．基于小波变换的图像去噪方法研究[D]．北京：北京交通大学电子信息工程学院，2008：20-37 (6) 龚昌来．基于小波变换和均值滤波的图像去噪方法[J]．光电工程，2007，34（1）：72-75 (7)Mallat S.A theory for multi-resolution signal decomposition:the wavelet representation[J].IEEE Transaction on PAMI，1998，11(7)：674-693 (8)叶鸿瑾，张雪英，何小刚．基于小波变换和中值滤波的医学图像去噪[J]．太原理工大学学报，2005，36（5）：511-514 (9)牛翠霞，范辉，康旭辉．基于医学图像的有效中值滤波算法研究[J]．微计算机信息，2008，2490（1-3）：311- 313 (10)高向军，田联房，王立非，毛宗源．利用MATLAB实现医学图像处理与分析[J]．计算机应用研究，2008，25（6）：1746-1749 (11)王思贤，曾发龙．平滑图像噪声的差值滤波法[J]．电子科学学刊，2000，22（3）：411-415 (12)夏平，龚国强，李传欣．小波变换及其在图像处理中的应用[J]．三峡大学学报，2001，23(6)：517-520 (13)蔡汉添．小波变换域中图像噪声平滑技术[J]．光学技术，1998，6：6-9 (14)杨胜波，于春梅．小波分析在生物医学信号/图像处理中的应用[J]．仪器仪表学报，2002，23（3）：179-181 (15)王红梅，李言俊，张科．一种改进的图像中脉冲噪声滤波方法[J]．光电子·激光，2008，19(1)：107-110 (16)陈木生．一种新的基于小波变换的图像去噪方法[J]．光学技术，2006，32（5）：796-798 (17)GAN Xiang-Chao, WU Shuan-Hu and TAN Zheng. Image restoration based on spatial orientation tree[J]. Journal of computer research &development,2001,(3):341-343 (18)陆系群陈纯.图像处理原理、技术与算法网.浙江大学出版社，2001，8 (19)蔡汉添.小波变换域中图像噪声平滑技术闭.光学技术.1998，(6):6-9 (20)修信胡维平梁冬冬等.小波变换在超声图像降噪处理中的应用[J].广西物理.2002，(l) (21)DavidL.Donoho.oenoosingbysonthresholding[J].IEEETrans.oninformation theory.1995，5，41(3):613-627 (22)MallatS.，zhongS.Charaeterization ofsignals from multisealeedges.IEEE Trans·onpAMI，1992，7，14(7):710-732 (23)HuaXie，LelandE.Pieree，FawwaxT.Ulaby.SARspeekler eduction using Wavelet denoising and MarkovRandom Field modeling.IEEE Transon Geoseience and RomoteSensing.2002，40(10):2196-2203 (24)黄晓凌,廖孟扬,覃家美等.基于小波分析的x射线照片增强研究闭.武汉大学学报(自然科学版)，1998，44(l):121-124 (25)杨词银尚海波贾晨光等.基于区域分割的自适应反锐化掩模算法[J].光学精密工程，2003，11(2):155-192 (26)张占松, 蔡宣三. 开关电源的原理与设计[M ]. 电子工业出版社, 2004 本课题必须完成的任务 本课题必须完成的任务： 1) 完成字数不少于3000的英文翻译一篇； 2) 了解医学图像去噪的必要性和去噪方法； 3) 掌握MATLAB中的小波分析工具箱的使用； 4) 开题报告； 5) 编写毕业设计说明书。 成 果 形 式 1） 英文翻译； 2） 开题报告； 3） 去噪前后图像的对比； 4）毕业设计说明书。 进度计划 起讫日期 2.16－2.28 3.1－3.15 工作内容 查阅中外参考文献，翻译一份英文资料 备 注 3月14日 消化吸收参考文献及资料，撰写毕业设计开题报告 上交 3.15－3.20 完成开题答辩 4月25日前 3.16－4.19 掌握MATLAB小波工具箱的使用 4.7－4.18 毕业设计中期检查 完成中期检查 4.20－5.17 5.18－5.24 编写程序实现CT图像去噪处理 撰写毕业论文（设计说明书） 5月24日 交毕业论文草稿 6月2日前 毕业论文定稿 5.25－6.2 6.3－6.7 修改完善毕业论文，进行毕业设计成果演示和验收 准备和进行毕业论文答辩 教研室审核 意 见 教研室主任签名： __ ______年___月___日 学院意见 教学院长签名： __ ______年___月___日

注：此表为参考表格，学院可根据专业特点，对该表格进行适当的修改。

南通大学本科生毕业设计（论文）开题报告

学生姓名 课题名称 阅读文献 情 况 国内文献19 篇 国外文献11 篇 杨鹏 学 号 0912002084 专业 电气工程及其自动化 基于小波变换的CT图像去噪增强研究 开题日期 开题地点 3月15日 南通大学11号楼607 一 文献综述与调研报告：（阐述课题研究的现状及发展趋势，本课题研究的意义和价值、参考文献） 基于小波变换的图像去噪发展与现状 常规的图像去噪方法主要有两类:一类是基于频域，针对整幅图像的全局处理，如低通滤波、Wiener滤波等;另一类是基于空间域，针对图像中某一像素中邻域的局部处理，如中值滤波、统计滤波等。这两类消噪处理要么完全在频率域，要么完全在空间域展开。因此，这两类消噪处理方法造成了顾此失彼的局面，虽然抑制了噪声，却损失了图像边沿细节信息，造成图像模糊[1]。 小波变换作为一种有效的时间、空间和尺度分析方法，它克服了傅里叶方法和其它分析方法的不足，己广泛应用于信号和图像处理的多个研究领域。小波变换的良好的时频局部化能力和多分辨率分析能力能十分有效地把信号和噪声区别开来，能有效处理短时瞬态信号、非平稳过程信号、含宽带噪声信号等。因此，在小波变换域中图像平滑技术在兼顾平滑噪声和保留图像边缘特征方面具有十分诱人的应用前景[2]。 近年来，医学图像去噪是医学图像处理的一个热点问题。医学图像中，噪声的抑制是一项特别精细和复杂的任务。细节特征是医生分析问题和诊断器官是否有病变的重要依据，因此，医学口图像去噪时必须做到在抑制噪声的同时尽可能多地保留原始图像的重要特征。常用斑点去噪方法主要有:中值滤波、维纳滤波、自适应加权中值滤波、小波萎缩法等。经典的维纳滤波主要是抑制加性噪声，自适应加权中值滤波是一种低通滤波，对细节分辨率较差。Jain曾提出一种同态维纳滤波去噪法，zong.etall红采用对数变换将噪声从原图像中分离，在1，2尺度应用软闺值，在3，4尺度应用硬闽值来消除噪声，然后采用非线性技术来提高图像对比度。也有学者利用小波多尺度分析和软闽值技术的方法来抑制医学图像噪声[3]。基于小波变换的斑点噪声消除技术最初出现在合成孔径雷达图像的散斑噪声消除上[4]，后来xulizong，如drewF.Kaine&EdwardA.Geiser利用小波变换对超声心动图的斑点噪声进行多尺度非线性处理[5]。 基于小波变换消除噪声，不同研究者提出过各种不同的方法。早期的小波去噪类似于有损压缩技术。即先对含噪信号进行正交小波变换，后选定一个固定的闽值于小波系数比较进行取舍，低于此阂值的小波系数设为零。后来，Stanford大学的Donohol&Johnstone提出了通过对小波系数进行非线性处理来恢复噪声中的信号[6]，也就是通常所说的“小波收缩”信号去噪方法，该方法较大程度上消除了图像噪声，其去噪效果超过了一般的线性去噪技术。在此基础上，他们提出硬阐值和软闽值的准则，并从统计学的角度出发，不断完善这一理论。为了消除闽值法图像去噪中产生的不良现象，在闽值法基础上加以改进的平移不变小波去噪法应运而来。它不仅能有效的抑制闽值去噪法产生的伪Gibbs现象，而且能减小原始信号和估计信号之间的MSE和提高SNR，避免了一些特征模糊化的现象。 1992年Mallat&zhong提出小波模极大值去噪法[7]，根据有用信号和噪声的小波变换在奇异点的模极大值的不同传播特性来去除噪声。Huaxie[8]等人基于隐马尔可夫模型来消除图像噪声。近两年来应用多小波去噪的文献也不少。然而，这些小波图像去噪方法，在实际的应用中并不适用，很多问题有待进一步研究探索。因此需探索算法简单、去噪效果好，具有应用价值小波图像去噪法。 图像增强的发展与现状 经典的图像增强技术大体上可分为以下几类[1]:空域变换增强，如灰度变换等;频域变换增强，如同态滤波等;其它增强技术，如彩色增强等。近二十年来不少的研究者提出了许多新的图像增强技术，试图达到改善图像的视觉效果。这些新的图像增强方法大体上可分为几类:经典的图像增强方法的改进，如改进反锐化掩模法等[9,10]基于小波变换的图像增强技术，如基于小波变换的去噪、图像增强等:基于神经网络、模拟退火法、遗传算法等;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。 一些经典的图像增强技术已经得到了广泛的应用，取得了不错的效果，但都存在着一定的不足，有些方法还会造成图像的噪声增强，损失图像的细节信息。新发展起来的增强技术在一定的条件下确实改善了图像的增强效果，但在目前的技术条件下，有些方法的实用性有待改进。如何解决这些问题并使图像的视觉效果得到改善，变成了图像增强技术发展的方向。 在小波变换多尺度分析的基础上，应用多分辨分析法将医学超声图像进行小波塔式分解，并根据各子图像的特性，在不损失边界信息的情况下，在不同尺度上对各分解系数进行增强，对同一尺度的系数，采用非线性函数对各子图像进行不同程度的对比度增强，然后再进行重构。A.Laine提出乳房x光片的多尺度分析，对乳房X光片的特征进行了对比度增强。他们提出的全局对比度增强方法只考虑了灰度信息，未考虑边界信息，这样将灰度值小于阂值的边界点也抑制了，然而边界又是重要的诊断信息。 本文在不损失边界信息的情况下，利用图像子带小波增强方法进行对比度增强。基于小波变换的图像增强技术在目前的图像处理领域研究中还处于探索性阶段。国外已经有多位学者在从事这方面的研究，如A.Laine，5.Mallat等。但是由于基于小波分析的图像增强技术包含了小波的分

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于小波变换的CT图像去噪增强研究(2)在线全文阅读。