非平稳度量方法及其在生物医学图像与信号处理中的应用

摘要

变化是图像及信号处理方法中经常用到的信息,通常利用某种度量方法将其量化后加以利用。这些量度、量化图像和信号变化大小的方法称为变化度量。变化度量常用于信号变化检测方法、图像边缘检测方法、边缘型图像分割模型以及特征保持的图像平滑方法等多种处理方法中。
　　这些基于变化度量的方法以图像或信号的变化为主要利用信息,变化度量结果的准确与否直接影响了此类方法的性能。在那些高噪声、强随机的生物医学图像和信号处理中,现有的变化度量往往因受到噪声干扰而得到不甚准确的变化信息。这是导致基于变化度量的方法在处理信噪比较低的生物医学数据时性能下降的原因之一。
　　研究鲁棒的变化度量,利用其提高基于变化度量的图像和信号处理方法的抗噪声能力,尝试解决高噪声、强随机的生物医学图像和信号处理中因噪声干扰引发的问题,是本文的研究角度和基本思路。
　　另一方面,新的医学成像技术带来了新的数据形式。在处理这些新形式数据时,需要定义相应的变化度量。鲁棒地量度张量值和向量值数据的变化成为近年来图像处理技术发展中需要解决的新问题。
　　非平稳度量通过量度图像及信号的非平稳程度来反映和量化图像及信号中存在的变化,对噪声具有良好的免疫力,是一种鲁棒的变化度量。本文完善和拓展了非平稳度量方法,提出了几个基于非平稳度量的图像和信号处理方法,并将它们用于几种高噪声、强随机的生物医学图像和信号的处理中,有效减少了其中因噪声干扰而引发的多种不良现象的发生。具体研究内容如下:
　　对非平稳度量方法进行了较为全面的改善和拓展。提出了一般参数平稳概念,以此概念为基础,将原非平稳度量拓展为更具通用性的变化度量方法,并利用更为贴切的概念对此方法进行阐述和解释;归纳了非平稳度量算子的一般构造过程,研究了算子的多种典型输出形式,在理论上证明了二阶非平稳度量算子在抗噪声性能方面的优势,并探讨了算子的关键参数选择;给出了N维数据的非平稳度量方法,研究了向量值和张量值数据的非平稳度量,将非平稳度量方法拓展为能够量度多维、多数据类型、通用的、鲁棒的变化度量。
　　针对强随机信号的变化检测中易发生误检、漏检以及高噪声图像的边缘检测中易产生伪边缘的问题,分别提出了基于非平稳度量的信号变化检测方法和图像边缘检测方法,并将它们应用于随机性较强的脑电信号的变化检测以及噪声水平较高的心脏磁共振扩散加权图像的边缘检测中。实验结果表明,基于非平稳度量的检测方法能够获得较为准确的信号变化时刻和图像边缘位置,减少了变化点误检、漏检以及伪边缘现象的发生。
　　针对高噪声图像分割中易产生伪轮廓和边界泄漏的问题,提出了基于非平稳度量的几何活动轮廓(NSM-GAC)分割模型,并将其应用于颈动脉超声图像的分割中。该模型利用非平稳度量为边缘型几何活动轮廓模型提供边缘信息。高噪声合成图像以及仿真与真实的颈动脉超声图像的分割结果表明,NSM-GAC模型具有较好的抗噪声能力,能以较少的迭代次数、较短的运行时间达到更好的分割结果,减少了伪轮廓的产生,改善了边界泄漏现象。
　　着重研究了低信噪比图像平滑增强中难以兼顾噪声消除与特征保持的问题,提出了一种新的特征保持图像平滑方法——非平稳自适应滤波法(NAF)。总结了空域像素点同质邻域设计的约束条件,遵循这些约束设计了基于非平稳度量的同质成员规则,利用该规则确定每个像素点的自适应同质邻域,以该邻域内的均值代替当前点的灰度值,达到特征保持的图像平滑。将NAF方法应用于低信噪比的人体心脏磁共振扩散加权图像的二维和三维图像平滑处理中。实验结果表明,NAF方法更好地兼顾了噪声消除和边缘、细节特征保持,由平滑后的心脏扩散加权图像计算得到的心肌张量场在保持张量各向异性的同时获得了较好的正则化效果,由此追踪出的心肌纤维在长度和方向上获得了更好的局部一致性。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1 选题背景及意义

1.2 信号的变化度量方法及其应用

1.3 图像的变化度量方法及其应用

1.4 向量数据和张量数据的变化度量及应用

1.5 非平稳度量的研究现状

1.6 存在的问题及主要研究内容

第2章 非平稳度量方法的完善

2.1 引言

2.2 非平稳度量

2.3 非平稳度量算子

2.4 本章小结

第3章 非平稳度量的一般性拓展

3.1 引言

3.2 从一阶到r阶矩的非平稳度量

3.3 从一维到N维数据的非平稳度量

3.4 从标量到张量数据的非平稳度量

3.5 本章小结

第4章 基于非平稳度量的信号变化检测方法和图像边缘检测方法

4.1 引言

4.2 基于非平稳度量的信号变化检测方法

4.3 基于非平稳度量的图像边缘检测方法

4.4 本章小结

第5章 基于非平稳度量的几何活动轮廓图像分割模型

5.1 引言

5.2 基于非平稳度量的几何活动轮廓模型

5.3 合成图像分割实验

5.4 颈动脉超声图像的分割

5.5本章小结

第6章 非平稳自适应滤波方法及人体心脏扩散加权图像平滑增强

6.1 引言

6.2 非平稳自适应滤波原理

6.3 扩散加权图像仿真数据的平滑增强

6.4 人体心脏扩散加权图像的平滑增强

6.5 本章小结

结 论

附 录

参考文献

攻读博士学位期间发表的论文及其它成果

声明

致谢

个人简历