基于形态学滤波的医学图像去噪方法研究

摘要

随着计算机和网络的快速发展，数字图像已经在计算机和网络中被广泛使用，承载着越来越多的功能需求。数字图像处理在其中发挥了特别大的作用，尤其是数字图像处理中的边缘提取技术，它已是计算机视觉、模式识别、图像分割等应用的重要基础。
　　医学荧光图像是当今对细胞进行标记的主流技术，通过对抗体进行染色形成荧光抗体图像，能够很好的帮助医生通过荧光显微镜对细胞内的物质构成进行研究，对医学的发展起着举足轻重的作用，是现代医学的必要技术手段。但是在制作荧光抗体图像时对环境的要求是相当高的，抗体在受到荧光显微镜进行观察照射的时候难免受到短波光的影响，发生氧化现象，形成噪声，产生“雾状”的噪声。
　　在研究国内外医学荧光图像去噪现状及分析传统数学形态学在对医学荧光图像去噪所出现的问题后，采用了一种改进的形态学医学荧光图像去噪的方法。以下是本文的主要改进之处:
　　首先对传统的形态学中所以涉及到的运算进行了重新定义，定义了均衡形态学运算的概念;
　　其次，对形态学运算中的结构元素的选取，实验得到了零方阵单位结构元素，并证明其唯一性，并根据单位结构元素，引用了顶帽变换增强图像对比度;
　　接着，由于荧光图像本身没有对比图像，构造一种无参考图像的图像质量评价标准，对所得到的去噪的荧光图像选择最优的图像;
　　最后，根据二维Otsu的思想，对图像进行阈值染色，进一步增强图像的对比度，得到最后的去噪增强图像。
　　通过大量的仿真实验结果表明:该算法所处理后的图像中的“雾状”噪声得到了明显的去除，图像的边缘完整，对比度高，适合做医学研究。

目录

声明

摘要

第一章 绪论

1．1 图像去噪的研究背景和意义

1．2 图像去噪的现状及趋势

1．2．1 图像去噪的研究现状

1．2．2 图像去噪技术的研究热点和发展趋势

1．3 论文研究工作

1．4 本文的结构安排

1．5 本章小结

第二章 图像噪声及去噪的常用方法

2．1 图像噪声

2．1．1 概述

2．1．2 图像去噪分类及噪声类型

2．2 常用的图像去噪方法

2．2．1 空间域去噪算法

2．2．2 频域去噪算法

2．3 噪声消除

2．4 图像去噪方法的性能评估

2．5 本章小结

第三章 数学形态学滤波介绍及简单应用

3．1 概述

3．1．1 数学形态学发展历程

3．1．2 国内外研究现状及发展趋势

3．1．3 数学形态学处理图像的原理和基本步骤

3．2 二值形态学

3．2．1 二值形态学膨胀

3．2．2 二值形态学腐蚀

3．2．3 二值形态学开运算

3．2．4 二值形态学闭运算

3．3 灰度形态学

3．3．1 灰度图像的膨胀和腐蚀

3．3．2 灰度图像的开闭运算

3．4 结构元素

3．4．1 结构元素的形状

3．4．2 结构元素的尺寸

3．5 数学形态学在生物医学领域中的应用

3．6 本章小结

第四章 改进形态学在医学荧光图像去噪上的应用

4．1 医学荧光图像概述

4．2 形态学在医学荧光图像中的应用实例

4．2．1 传统形态学的改进

4．2．2 结构元素的选取

4．2．3 顶帽变换的应用

4．2．4 无参考图像的图像噪声质量评估

4．2．5 增强对比度

4．3 实验流程与结果分析

4．4 本章小结

第五章 总结与展望

5．1 工作总结

5．2 研究展望

参考文献

发表论文和参加科研情况说明

致谢