圖像去噪算法研究與腦血管增強.pdf

1、圖像的去噪問題一直是圖像處理領(lǐng)域里的熱點，在航空航天、視頻監(jiān)控、三維重建、圖像分割、邊緣檢測、遙感圖像等成像領(lǐng)域里，由于受到環(huán)境的干擾和成像設備的限制，所采集的圖像信號往往帶有不同程度的噪聲。在對這些圖像進行處理之前，往往需要對它們進行一個去噪的預處理過程，以提升圖像的質(zhì)量。根據(jù)噪聲的種類不同可以分為脈沖噪聲、泊松噪聲、高斯噪聲、混合噪聲等等。針對不同的噪聲類型需要用到不同的去噪算法，這類算法通常都是假設噪聲服從某種分布模型的，然后基于

2、該假設設計出對應的去噪算法。
　　泊松噪聲和高斯噪聲是圖像去噪領(lǐng)域里最常見的兩種噪聲模型，本文對這兩種噪聲的去噪算法分別進行了研究，針對泊松去噪提出了一種基于BLS-GSM的去噪算法。對高斯噪聲去噪，在BM3D算法的基礎(chǔ)上提出了一種新的分組策略，并對算法用OpenMP進行了加速。
　　MRA血管增強技術(shù)在心腦血管疾病的預防和診治中有重要的應用價值，本文研究了基于灰度3D SUSAN算子在MRA腦部血管增強中的應用，首先對初始

3、的數(shù)據(jù)進行去噪濾除噪聲，接著用基于3D SUSAN算子的算法對腦部血管進行增強，最后用體繪制技術(shù)對增強后的腦部血管進行三維顯示，獲得了不錯的顯示效果。本文將具有較好抗噪能力的3D SUSAN算子作為一種新的屬性值引入到直接體繪制的傳遞函數(shù)設計中，構(gòu)造出一個全新的兩維的傳遞函數(shù)空間——灰度3D SUSAN算子特征空間。由于SUSAN算子對局部噪聲不敏感、抗噪能力較好，因此，通過本文的算法對腦血管增強，能夠獲得比傳統(tǒng)兩維的特征空間更好的繪制