關於醫學影象去噪的方法研究論文
醫學影像是指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程，是一種逆問題的推論演算，即成因（活體組織的特性）是經由結果（觀測影像訊號）反推而來。下面是小編為你帶來的關於醫學影象去噪的方法研究論文 ，歡迎閱讀。
【摘 要】目的：為了研究新的醫學影象去噪方法。方法：對同組圖片做小波變換、中值濾波和合並小波變換和中值濾波影象去噪新方法，觀察對比去噪後圖片的清晰度。結果：透過對比實驗，研究結果顯示合併小波變換和中值濾波影象去噪方法有很好的臨床效果。結論：合併小波變換和中值濾波影象去噪方法是有效的。
【關鍵詞】小波變換；影象去噪；中值濾波；醫學影象
醫學影象在經過成像系統的形成和顯示過程中，將不可避免地引入各種噪聲，降低了醫學影象的可分辨性，對醫學影象的質量造成較大的影響。特別是這些噪聲使得邊緣和細節變得模糊，從而使得其信噪比降低，以至於某些特徵細節不易辨別，醫師的診斷可能產生誤差。因而，研究這些噪聲的特性，並且進一步對噪聲進行抑制與去除，儘可能避免醫學影象中噪聲的影響，並同時保留和增強醫學影象原本的邊緣與細節特徵，對於醫學影象的邊緣檢測、識別，定位、分割與診斷均具有非常重要的意義。而目前的去噪方法在不同的方面存在著弊端，下面是筆者的研究結果。
1 小波變換
小波變換作為Fourier分析發展史上的里程碑，在儲存了短時Fourier的區域性化思想的情況下。小波變換透過定義伸縮因子與平移因子，使得其變換視窗能夠隨著頻率的高低變換而發生改變，以便對訊號低頻的特性進行充分利用。在小波變換中，其視窗大小不變，但形狀可發生改變，即小波變換是頻率窗與時間窗均能進行改變的一種時頻區域性化分析法。小波變換在低頻部分具有較高的頻率解析度與較低的時間解析度，而在高頻部分正好相反[1]。研究者們將小波分析譽為數學顯微鏡，其訊號具有自適應性，基於小波的優良特性，小波變換的使用越來越廣泛，小波影象去噪已取得了較為理想的效果。
實驗結果及討論：以下圖一是筆者採集到的小波原始樣本，圖二則是經過加噪後的樣本小波，圖三是經過3db10降噪後採集到的小波訊號，圖四則是利用sym小波去噪後得到的影象。透過圖三、圖四和圖一原始資料的對比，發現小波去噪有較為良好的效果。
2 中值濾波
中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性訊號處理技術。中值濾波的原理是把數字影象或數字序列中一點的值用該點的一個鄰域中各點值的中值代換。在維形式下， 中值濾波器是一個含有奇數個點值的滑動視窗 ， 經排序後， 視窗中點值的序列為{Fi-k，…，Fi-1 ，Fi，Fi+1 ，…，Fi+k} .式中 k= （n-1）/2，n 為視窗長度，Fi 即為視窗中點值的中值濾波輸出，記作Gi= Med{Fi-k，…，Fi，…，Fi+k}，Med{? } 表示取視窗中值。令中值濾波器視窗長度n=2k+1，如果訊號中脈衝寬度大於或等於k+1，濾波後該脈衝將得到保留；如果訊號中脈衝寬度小於或等於k，濾波後該脈衝將被去除。這就是中值濾波器去除脈衝噪聲而保護訊號細節的性質。將一維中值濾波器理論擴充套件到二維訊號中去，就產生了二維中值濾波器。二維中值濾波器的視窗也是二維的。將視窗中點的值排序， 生成單調二維資料序列{Fjk}。二維中值濾波輸出 G（j，k） 為 G（j，k） = Med{Fik}.中值濾波器用於影象處理， 先設定一個濾波視窗，將其移遍影象上的點，然後用視窗內各原始值的'中值代替視窗中心點的值。二維中值濾波器的視窗形狀有多種，如線狀、方形、十字形、圓形、菱形、全方位等。不同形狀的視窗產生的濾波效果不同。二維中值濾波器儲存邊緣消除噪聲的特性與視窗的選擇非常有關，為了既消除噪聲又更全面地儲存影象邊緣常採用全方位視窗。
實驗結果及討論：下圖是筆者做的另一組實驗結果，左上角為原圖，右上角是灰度圖，左下角為加噪後的圖片，最後是利用中值濾波去噪後的圖片。實驗結果顯示中值濾波在處理椒鹽噪聲方面有很好的效果。
3 小波變換和中值濾波影象去噪新方法
首先，對噪聲影象進行中值濾波，然後對濾波後的影象進行小波變換分解，生成小波係數矩陣，對小波係數利用中值濾波原理進行處理生成新的小波係數矩陣，用新的小波係數矩陣進行影象重構，最後再用小波閾值消噪，生成新的去噪影象。具體演算法如下：
1）對噪聲影象進行二維中值濾波， 濾波視窗為 5×5。
2）按分解演算法用Sym4小波將中值濾波去噪後的影象進行一層小波分解，提取出二維小波分解的近似係數、水平細節係數、垂直細節係數和對角細節係數。
3）對提取出的影象近似係數及各細節係數，利用中值濾波原理分別進行處理生成新的係數。
4）按照重建演算法，用新生成的小波係數重新組成影象係數進行影象重構，得到去噪影象。
5）對以上影象再用小波Sym4對影象進行分解，得到3層分解下的各細節分量和近似分量。
6）選取適合的閾值對每一層小波分解係數進行取捨。
7）用小波分解的最後一層近似係數及各層細節係數進行影象反變換重構，最後構成消噪影象。小波去噪閾值的選取是關鍵，如何選取閾值許多學者提出了各種方法，還有許多人正在進行研究。
實驗結果及分析：以下是筆者利用新方法，對加噪後圖像和去噪後的影象對比，可以看到，新方法處理的影象，視覺效果最好， 去噪後殘留噪聲較少，影象很清晰。
4 結果
Symlet小波具有近似對稱特性，這種特徵有利於訊號去噪，因此，選取Symlet小波進行變換。我們對原始影象加入方差為0.05的高斯噪聲和脈衝機率為0.05的脈衝噪聲的混合噪聲。最後在採用中值濾波與小波分解後運用中值濾波原理去噪重構影象及小波閾值去噪相結合去噪的新方法，從視覺效果來看，視覺效果最好，去噪後殘留噪聲較少，影象較清晰，去噪影象均方誤差（δ MSE=168.9）最小。[7]
5 結論
本文對醫學影象的去噪方法進行了研究，提出先用中值濾波，再利用小波變換分解後運用中值濾波原理對小波係數進行處理，然後重構影象，最後用小波閾值去噪的方法。該方法與單獨用小波閾值去噪、單獨用中值濾波及先中值濾波後小波閾值去噪的方法相比，影象視覺效果好，影象去噪後的均方誤差最小，是去除CT影象中所含高斯與脈 衝噪聲的混合噪聲的一種比較理想的方法。
【參考文獻】
[1]鄭治真.小波變換及其MATLAB工具的應用[M].：地震出版社，2011（5）.
[2]勒中鑫.數字影象資訊處理[M].北京：國防工業出版社，2013.
[3]李海雲，王箏.基於小波變換模極大值特徵的多模醫學影象融合演算法的研究[M].計算機工程與應用，2010（16）：221-229.
[4]昂清，王衛東.基於小波分析的視覺成像原理研究叨[J].醫療衛生裝備，2011，27（10）：18-20.
[5]史貴連，葉福麗.PET訊號的二維多解析度小波分析田[J].醫療衛生裝備，2012（10）：24-25.
[6]Yan Hua―gang.Li Hal―yun.Investigation of a wavelet transform based noise filteringapproach for medicalimage[J].Chinese Medical Equipment Journal，2011（7）：4-6.（InChinese）
[7]Gao Qing―wei，Li Bin.et a1.An image de―noising method based oFl stationary wavelettransform[J].Journal ofComputer Research and Development，2012，39（12）：1689―1693.（InChinese）