醫(yī)學(xué)CT圖像去噪和增強(qiáng)方法的研究應(yīng)用.pdf

1、隨著科技的進(jìn)步和技術(shù)的發(fā)展，在臨床醫(yī)學(xué)中醫(yī)學(xué)CT圖像發(fā)揮著越來越重要的作用，它成為醫(yī)師診斷疾病的重要手段，尤其在肺癌的早期檢查中。近年來，醫(yī)學(xué)影像技術(shù)的發(fā)展提高了醫(yī)學(xué)診斷的準(zhǔn)確度和可信度。醫(yī)學(xué)CT圖像跟普通圖像有很大的不同，它是對人體的成像。人體的組織器官的密度各不相同、人體的呼吸運(yùn)動、心跳運(yùn)動以及獲取圖像的設(shè)備的質(zhì)量差異，這些因素都可能造成CT圖像中感興趣區(qū)域的對比度差、細(xì)節(jié)邊緣模糊、摻雜噪聲等問題，這些問題會對醫(yī)生的診斷造成很大的影

2、響。為此醫(yī)學(xué)CT圖像去噪和增強(qiáng)算法的研究就便得十分重要。本文主要從CT圖像去噪和CT圖像增強(qiáng)兩方面進(jìn)行研究，提出了兩種適合與醫(yī)學(xué)CT圖像去噪和增強(qiáng)的算法。本文的主要工作包括下面兩方面：
　　在CT圖像去噪方面，本文先研究一些傳統(tǒng)的圖像去噪方法，并發(fā)現(xiàn)傳統(tǒng)的圖像去噪算法在對醫(yī)學(xué)CT圖像進(jìn)行去噪時，是對圖像中所有的像素點進(jìn)行處理的，去噪的效果很不理想，去噪后的醫(yī)學(xué)CT圖像的細(xì)節(jié)會變得很模糊，并且丟失大量的細(xì)節(jié)信息。本文根據(jù)醫(yī)學(xué)CT的普

3、遍特點，針對傳統(tǒng)去噪方法存在的問題，提出了一個基于灰色關(guān)聯(lián)分析和GM(grey model)預(yù)測模型的醫(yī)學(xué)圖像去噪算法。該算法首先利用灰色關(guān)聯(lián)分析判斷像素點是否是噪聲點；并利用GM預(yù)測模型對醫(yī)學(xué)圖像進(jìn)行去噪處理。該算法能夠避免處理不是噪聲的像素點，減少去噪算法對CT圖像的細(xì)節(jié)的破壞。經(jīng)過該算法去噪處理后的醫(yī)學(xué)圖像具有較好的MSE和PSNR，能保留更多的細(xì)節(jié)信息，較嚴(yán)密地保證圖像的真實性。
　　在CT圖像增強(qiáng)方面，我們首先將一些傳統(tǒng)

4、的圖像增強(qiáng)方法應(yīng)用到CT圖像中，發(fā)現(xiàn)這些方法并不能對CT圖像很好地增強(qiáng)達(dá)到我們所需要的效果。在對小波變換的研究中發(fā)現(xiàn)，小波變換能夠多分辨率、多層次對醫(yī)學(xué)CT圖像進(jìn)行分解，能夠獲得醫(yī)學(xué)CT圖像中更多的高頻細(xì)節(jié)信息，進(jìn)一步將CT的高頻細(xì)節(jié)信息增強(qiáng)；而Laplacian金字塔也能夠?qū)⑨t(yī)學(xué)CT圖像進(jìn)行多尺度分解，得到高頻細(xì)節(jié)信息。在此基礎(chǔ)上，我們根據(jù)醫(yī)學(xué)CT圖像對細(xì)節(jié)信息要求十分嚴(yán)苛的特點，我們提出了一個基于小波變換和Laplacian金字塔的