基于贝叶斯最小均方差算法的OCT图像散斑处理

摘要

光学相干层析成像(Optical Coherence Tomography，OCT)是近十年迅速发展起来的一种新型成像技术，它利用近红外光的相干特性，结合外差探测等技术对生物组织浅表面成像，具有高分辨率，高灵敏度及无损检测等优点，被广泛地应用于生物医学领域。
　　 OCT系统在成像过程中不可避免地会产生散斑噪声，降低了图像的清晰度和对比度，影响了生物医学组织中细微结构的检测。本文对现有散斑噪声抑制算法进行了分析，针对在散斑降噪方面的不足之处，提出了一种新的散斑噪声抑制算法，基于非线性对数空间的贝叶斯最小均方差估计。该算法的新颖之处在于根据散斑的统计特性，在对数空间中通过条件后验抽样方法抽取样本，用非参数估计方法估计无噪声数据的后验分布，并利用贝叶斯最小均方差估计无噪声数据，得到散斑处理后的图像。实验结果表明，该算法对图像信噪比和等效视数的改善情况明显优于传统的小波变换和中值滤波，但是在边缘保留方面还不够理想。针对该算法在图像边缘保留方面的不足，对图像像素的权值进行了调整，引入图像像素的空间临近度，结合图像像素的灰度相似度一起作为图像像素的权值。实验结果表明，与贝叶斯最小均方差算法、中值滤波相比，改进的算法能够在有效抑制散斑噪声的同时对图像边缘特征有更好的保留。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 本文主要研究内容及创新点

1．4 本文的组织结构和章节安排

第二章 OCT图像的散斑处理

2．1 OCT系统成像的基本原理

2．1．1 OCT中的低相干干涉

2．1．2 光学外差探测

2．2 OCT技术在生物医学中的应用

2．3 OCT图像的噪声及常用的散斑噪声抑制方法

2．3．1 OCT图像的噪声

2．3．2 常用的散斑噪声抑制方法

2．4 本章小结

第三章 OCT图像散斑降噪算法

3．1 图像质量评价方法

3．1．1 图像质量的主观评价方法

3．1．2 图像质量的客观评价方法

3．2 现有散斑降噪算法分析

3．3 贝叶斯决策理论

3．3．1 贝叶斯最小错误率决策

3．3．2 贝叶斯最小风险决策

3．3．3 参数估计和非参数估计

3．4 贝叶斯最小均方误差估计去噪算法

3．4．1 散斑的数学模型

3．4．2 贝叶斯估计

3．4．3 条件后验抽样

3．4．4 图像像素的权值

3．4．5 加权直方图

3．5 实验结果及分析

第四章 边缘保留的改进

4．1 图像边缘保留的分析

4．1．1 图像的边缘特征

4．1．2 边缘保留的滤波方法

4．2 图像像素的空间临近度

4．3 边缘保留改进算法

4．3．1 图像像素的权值

4．3．2 算法具体步骤

4．4 实验结果及结论

第五章 总结与展望

5．1 工作总结

5．2 工作展望

致谢

参考文献

攻读硕士期间的研究成果

声明