医学CT图像去噪和增强方法的研究应用

摘要

随着科技的进步和技术的发展，在临床医学中医学CT图像发挥着越来越重要的作用，它成为医师诊断疾病的重要手段，尤其在肺癌的早期检查中。近年来，医学影像技术的发展提高了医学诊断的准确度和可信度。医学CT图像跟普通图像有很大的不同，它是对人体的成像。人体的组织器官的密度各不相同、人体的呼吸运动、心跳运动以及获取图像的设备的质量差异，这些因素都可能造成CT图像中感兴趣区域的对比度差、细节边缘模糊、掺杂噪声等问题，这些问题会对医生的诊断造成很大的影响。为此医学CT图像去噪和增强算法的研究就便得十分重要。本文主要从CT图像去噪和CT图像增强两方面进行研究，提出了两种适合与医学CT图像去噪和增强的算法。本文的主要工作包括下面两方面：
　　在CT图像去噪方面，本文先研究一些传统的图像去噪方法，并发现传统的图像去噪算法在对医学CT图像进行去噪时，是对图像中所有的像素点进行处理的，去噪的效果很不理想，去噪后的医学CT图像的细节会变得很模糊，并且丢失大量的细节信息。本文根据医学CT的普遍特点，针对传统去噪方法存在的问题，提出了一个基于灰色关联分析和GM(grey model)预测模型的医学图像去噪算法。该算法首先利用灰色关联分析判断像素点是否是噪声点；并利用GM预测模型对医学图像进行去噪处理。该算法能够避免处理不是噪声的像素点，减少去噪算法对CT图像的细节的破坏。经过该算法去噪处理后的医学图像具有较好的MSE和PSNR，能保留更多的细节信息，较严密地保证图像的真实性。
　　在CT图像增强方面，我们首先将一些传统的图像增强方法应用到CT图像中，发现这些方法并不能对CT图像很好地增强达到我们所需要的效果。在对小波变换的研究中发现，小波变换能够多分辨率、多层次对医学CT图像进行分解，能够获得医学CT图像中更多的高频细节信息，进一步将CT的高频细节信息增强；而Laplacian金字塔也能够将医学CT图像进行多尺度分解，得到高频细节信息。在此基础上，我们根据医学CT图像对细节信息要求十分严苛的特点，我们提出了一个基于小波变换和Laplacian金字塔的CT图像增强算法。首先，对原医学CT图像进行小波变换分解，得到处理结果；然后，对原医学CT图像进行Laplacian金字塔分解得到医学图像的高频信息；最后，利用小波变换的结果和Laplacian金字塔分解的结果进行重构，得到增强后的CT图像。实验结果表明，该方法在对医学CT图像细节信息的增强效果明显，增强后的CT图像具有很好的MSE和PSNR，能更好的抵抗噪声，并且信息熵基本不变。所以此算法比传统的算法更适用于医学CT图像的增强。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题的研究背景和意义

1.2 国内外研究现状

1.3 本文主要研究内容

1.4 本文结构

1.5 小结

第二章 图像去噪和增强相关理论与方法

2.1 数字图像

2.2 图像噪声

2.3 图像质量的评价标准

2.4 图像去噪相关方法

2.5 图像增强相关方法

2.6 小结

第三章 图像去噪算法的设计实现

3.1中值滤波

3.2均值滤波

3.3 灰色关联分析

3.4 GM预测模型

3.5 图像去噪算法实现

3.6 实验结果及分析

3.7 小结

第四章 图像增强算法的设计实现

4.1 小波变换

4.2 Laplacian金字塔分解

4.3图像重构

4.4 实验结果及分析

4.5 小结

第五章 总结和展望

5.1总结

5.2展望

参考文献

致谢

研究生期间发表的论文