![点击分享此内容可以赚币 分享](/master/images/share_but.png)
学士学位论文--基于小波变换的医学超声图像去噪方法研究.doc
《学士学位论文--基于小波变换的医学超声图像去噪方法研究.doc》由会员分享,可在线阅读,更多相关《学士学位论文--基于小波变换的医学超声图像去噪方法研究.doc(35页珍藏版)》请在咨信网上搜索。
1、 西南科技大学本科生毕业论文 基于小波变换的医学超声图像去噪方法研究摘要:医学超声成像是一种重要的基于超声波的医学影像学诊断技术。超声成像相比与CT、核磁共振等其他诊断技术有其明显的优势,以其廉价、简便、迅速、安全性高、可连续动态及重复扫描等优点广泛应用于临床医学诊断中。但是超声成像也有其不足之处,最重要的是超声成像诊断的准确性容易受到外界的干扰,使其图像质量较差,影响诊断结果。这样超声图像的去噪就成为了一个重要的问题。因为超声图像中所含有的噪声是一种乘性斑点噪声,所以使医学超声图像去噪成为了一个很复杂而困难的过程。小波变换是近几年来发展起来的一种变换分析方法,它有短时傅里叶变换局部化的特点,
2、同时能够提供一个随频率改变的时间-频率窗口,是进行信号和图像处理的理想工具。由于小波变换在时域和频域同时具有良好的局部化特性,因此小波变换在去噪中得到广泛应用。超声图像的去噪是超声诊断的前提,它对后面病情的识别和诊断有很重要的影响,因此超声图像的去噪在医学图像处理中有其重要的意义。围绕小波图像去噪中心问题进行了研究,提出本文的处理方法-小波变换去噪。在了解关于小波变换的基础理论后,提出相适应的去噪方法,首先把原始医学超声图像进行对数变换,然后选择合适的小波和小波分解层数对变换后的图像进行小波分解,随后对高频系数进行阈值量化,对每层选择一个阈值对其高频系数进行软阈值化处理,最后利用小波重构,得到
3、去噪后的图像,并进行指数变换得到所需图像。实验表明,小波变换在超声图像去噪中有其很大优势。关键词:超声成像;斑点噪声;小波变换;阈值30 西南科技大学本科生毕业论文 AbstractAbstract:Medical ultrasound imaging is a kind of important medical imaging diagnosis based on ultrasonic technology. Ultrasonic imaging compared to CT, nuclear magnetic resonance (NMR) and other diagnostic tec
4、hnique has the obvious superiority,With its cheap, convenient, quick, high security, a dynamic and repeat scan widely used in clinical advantages of medical diagnosis. But the ultrasonic imaging also has its shortcomings, the most important is the diagnostic accuracy of ultrasonic imaging vulnerable
5、 to outside interference, make the image quality is poorer, affect a diagnosis. Such ultrasound images of the denoising became an important question. Because the ultrasound images is contained in the noise is a kind of multiplicative noise spots, so that medical ultrasound image denoising became a v
6、ery complex and difficult process.Wavelet transform is in last few years developed a kind of transformation analysis method, it has a short-time Fourier transform the characteristics of localization, and to provide a on frequency change time-frequency window, signal and image processing is the ideal
7、 tool. Because of wavelet transform in the time domain and frequency domain and has good localization characteristics, so the wavelet transform in the denoising performance of widely used. Ultrasound images of the denoising is the premise of ultrasonic diagnosis, it behind the recognition of illness
8、 and diagnosis have very important influence, so the ultrasonic image denoising in medical image processing has its important significance. Around the 西南科技大学本科生毕业论文 wavelet image denoising center problems in study, this paper put forward the treatment method of wavelet denoising. In understand about
9、 the basic theory of wavelet transform and offered to adapt to the denoising method, first of all the original medical ultrasound images were log conversion, and then choose the suitable wavelet and wavelet decomposition level of the image to transform wavelet decomposition, then the high frequency
10、coefficients of the threshold quantification, each layer to choose a threshold value the high frequency coefficients are soft threshold processing, finally, using the wavelet reconstruction, get the image denoising and exponential transform to obtain the required image. Experiments show that the wav
11、elet transform in ultrasonic image denoising has its great advantage. Key words: ultrasonic imaging, spots noise, wavelet rransfom, threshold 西南科技大学本科生毕业论文 目 录第一章 绪论11.1 超声图像去噪的意义及目的11.2 超声图像去噪的现状21.3 本文研究工作及概况2第二章 超声成像的机理及其噪声特性42.1 超声成像原理及特点42.2 超声诊断仪的分类52.3 B超成像原理及应用7第三章 超声图像去噪方法103.1 均值滤波方法103.2
12、维纳滤波方法113.3 中值滤波方法123.4 小波变换方法13第四章 小波变换在图像去噪中的理论基础164.1 基于小波去噪的发展及现状164.2 人眼视觉特性174.3.1 连续小波变换174.3.2 离散小波变换184.3.3 二进制小波变换194.3.4 多分辨率分析194.3.5 二维图像小波变换分解与重构20第五章 小波超声图像去噪算法225.1 超声图像模型225.2 小波阈值225.3 小波阈值法23 西南科技大学本科生毕业论文 5.4 算法流程245.5实验结果和讨论25结论27致谢28主要参考文献29西南科技大学本科生毕业论文第一章 绪论1.1 超声图像去噪的意义及目的超声
13、诊断作为医学诊断中的一种诊断技术得以应用是从1972年灰阶超声的问世开始的,特别是近几年来,由于其廉价、简便、迅速、安全性高、可连续动态及重复扫描等优点在医学临床诊断中运用广泛,因此医学影像学飞速发展,同时其研究的范围也越来越广。超声诊断主要是依据超声的良好指向性和与光相似的反射、散射、衰减及多普勒效应等物理特性,并且结合其不同的物理参数,使用不同类型的超声诊断仪器,采用各种扫查方法,将超声发射到体内,并在人体组织中传播,当正常组织和病理组织的声阻抗有一定差异时,它们组成的界面就发生反射和散射,再将此回声信号接收,加以检波等处理,显示为图像。由于各种组织的界面形态、组织器官的运动状况和对超声的
14、吸收程度不同,其回声有一定的共性和某些特性,结合生理、病理解剖知识与临床医学,观察、分析、总结这些不同的反射规律,可对患病的部位、性质或功能障碍程度做出判断。近年来,超声医学成像技术得到了迅猛的发展,彩色多普勒成像(CDI,Color Doppler Imaging)、组织多普勒成像(TDI,Tissue Doppler Imaging)、组织谐波成像(THI,Tissue HarmonicImaging)、超声造影剂成像等一系列新技术接连出现并应用于临床,带动和促进了超声相关领域的研究和发展。但是,由于成像机制的限制,超声图像无法避免的有质量较差这一主要缺点,特别是由于所要观察的器官或组织在
15、结构上存在其不均匀性,有一些微小的结构超声无法识别。加上声波信号也存在干涉现象,这样在图像的形成上有了其特有的斑点噪声,这是得超声图像的质量大大降低,也使得对图像细节的识别与分析更加困难。为了图像后期的分析识别和重构等工作的顺利进行,超声图像的去噪就有其进行的必要。医学超声图像去噪常主要是用滤波的方法滤除噪声频率成分,提高图像的信噪比,从而改善图像质量。从理论上讲信号的分布主要存在于低频部分而噪声的分布主要存在于高频部分,滤除噪声成分就是滤除信号的高频部分。但是对于图像信号来说,图像的细节信号也存在于高频部分如果滤除高频部分后,在不同程度上讲也就破坏了图像的细节,并且在临床诊断中往往是医学图像
16、的细节起到关键性的作用,因此医学图像去噪就必须做到在降低图像噪声的同时又保留图像细节,在不降低图像空间分辨率前提下消除或最大限度地抑制斑点噪声。1.2 超声图像去噪的现状目前对于超声图像斑点的认识有着两种不同的观点,一种观点认为图像中的斑点是一种噪声,它影响超声图像的质量和清晰度,所以要尽量去除或者抑制其斑点噪声;另一种观点则认为斑点也是图像信息的一种,它也代表体内某种组织或器官的机能情况,正常或者不正常,是否病变。虽然这是两种相差甚大的观点,但是其目的却是一样的,那就是要更好的进行识别和诊断,更好的为人类服务。本文则是在第一种观点的基础上进行研究的,因此研究对于斑点噪声的去除是本文的主要任务
17、。传统的图像去噪方法采用线性处理技术,比如维纳滤波、低通/高通滤波或带通滤波,它们或者平滑、或者加强高频,而且能够去除某些具体的噪声,要是以最小平方误差作为评价滤波效果的话,维纳滤波是最好的。因为其数学原理简单,而且能够很有效的去除加性噪声,所以很受欢迎;但是这些滤波方法会模糊图像细节,并且不能去除类似椒盐噪声的各种长尾噪声,更不能去除与信号密切相关的乘性噪声。而超声医学图像中的斑点噪声是正是一种与组织结构信号密切相关的乘性噪声,因此对超声医学图像去噪方法的研究主要集中于非线性滤波方法。在过去的20多年中,超声图像去噪一直是医学图像处理中的热点问题,为此出现了许多超声图像斑点去噪的方法。其中应
18、用比较广泛的有中值平滑滤波、均值平滑滤波、Frost自适应滤波等,这些超声图像去噪方法大多采用单一尺度滤波,在一定程度上对抑制超声图像的斑点噪声起到了作用,但是这些方法的使用也丢失了图像中大量的细节和微弱的边缘信息,使得图像模糊。这样构造一种既能够有效消除相干斑噪声,同时又能够有效保持图像细节的去噪方法则是当前超声图像处理的研究目标。近年来,非线性去噪方法得到极大的发展,其中,小波技术广泛用于图像处理,小波变换是一种强有力的数学分析工具,而小波变换值去噪方法则是一种强有力的信号处理工具,小波变换在时域和频域都具有良好的局部化特性,处理低频和高频信号时时频窗口可自动调节,以满足不同情况的需要,小
19、波变换的应用已遍及图像分析的多个研究领域。Donoho提出的通过对小波变换系数按阈值进行收缩的去噪方法具有运算量小、自适应、可有效保留细节等优点,在此基础上,涌现出各种去噪算法,使得小波域去噪研究成为一个十分活跃的研究领域。1.3 本文研究工作及概况为了医生能更好更准确的从超声图像中识别、分辨出病例情况,就不得不对其图像进行去噪处理。一般来说图像的去噪和图像的增强是一个矛盾的过程,既要去除图像中的噪声又要保留图像中的细节,因此如何实现这个过程将是本文所要解决的问题。因为小波变换的良好时频局部化能力和多分辨率分析能力,能够很好的解决图像去噪的问题,所以本文主要研究的是集合对数变换和小波变换对超声
20、图像中的斑点噪声进行抑制。首先把原始医学超声图像进行对数变换,然后选择合适的小波和小波分解层数对变换后的图像进行小波分解,随后对高频系数进行阈值量化,对每层选择一个阈值对其高频系数进行软阈值化处理,最后利用小波重构,得到去噪后的图像,并进行指数变换得到所需图像。本文内容有五章组成,第一章是引言,主要介绍了本文所要研究课题的意义及目的,还有其研究的现状及文章结构。第二章介绍了超声成像的机理,相关理论知识及其噪声特性,以便后面的研究。第三章则介绍了国内外近几年来关于超声图像去噪的几种方法,了解不同方法的优缺点,然后进行对比讨论。第四章着重介绍了小波变换在图像去噪中的基本理论知识,包括连续小波变换、
21、二进制小波变换、多分辨率分析等,掌握小波变换在图像去噪中的应用。第五章介绍基于小波变换的超声图像去噪的算法,给出实验结果并进行比较讨论。最后则是对本文的总结。第二章 超声成像的机理及其噪声特性临床影像学的发展是从1859年伦琴发现X射线开始的,从开始的静态到现在动态,从黑白图像到彩色图像,从二维图像到三维图像,都是为了得到专一的、特异的超声信号,以达到定量化、特异性诊断的目的。特别是近三十年来,成像技术越来越丰富,研究的范围越来越广泛,使得在影像学的密度、时间和空间分辨率等方面都有了空前的突破,从而临床影像学发生了质的变化,医学超声诊断技术也发生了一次又一次革命性的飞跃。80年代介入性超声逐渐
22、普及,体腔探头和术中探头的应用扩大了诊断范围,也提高了诊断水平,90年代的血管内超声、三维成像、新型声学造影剂的应用使超声诊断又上了一个新台阶。其发展速度令人惊叹,目前已成为临床多种疾病诊断的首选方法,并成为一种非常重要的多种参数的系列诊断技术。 超声诊断是结合雷达技术和超声原理在现代电子学反正的基础是应运而生上网临床医学影像诊断方法。随着电子技术的不断发展,电子计算机技术也应用于超声诊断,这样使得超声诊断技术得到快速的提高以及在临床诊断中的广泛的应用。2.1 超声成像原理及特点超声成像技术主要是利用超声仪器先向人体内发射超声波,利用超声波的反射、散射、衰减及多普勒效应等物理特性让人体内部组织
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 学士学位 论文 基于 变换 医学 超声 图像 方法 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。