基于非下采樣Contourlet變換的眼底圖像去噪增強(qiáng)算法研究.pdf

1、眼底圖像是眼科疾病及其他疾病的有效診斷依據(jù),但具有邊緣細(xì)節(jié)繁多、背景亮度不均、對(duì)比度差的特點(diǎn),給醫(yī)生的診斷和眼底圖像的后續(xù)處理帶來(lái)諸多不便。傳統(tǒng)的去噪、增強(qiáng)算法往往在提高圖像對(duì)比度的同時(shí),模糊了圖像的細(xì)節(jié)特征,這對(duì)質(zhì)量要求較高的醫(yī)學(xué)圖像來(lái)說(shuō),是不可接受的。多尺度幾何分析方法不僅繼承了多尺度分析的多分辨率特性和時(shí)頻局部化特性,還具有各向異性和多方向分析特性,為醫(yī)學(xué)圖像處理提供了優(yōu)良的工具。
　　 在深入研究了Contourlet變

2、換和非下采樣Contourlet變換的理論及結(jié)構(gòu)、并分析了眼底圖像特點(diǎn)和各種去噪增強(qiáng)技術(shù)的基礎(chǔ)上,本文提出了結(jié)合去噪和增強(qiáng)的基于NSCT的PCA眼底圖像去噪增強(qiáng)算法,并深入地探討了該算法中的參數(shù)選取和算法的處理效果。該算法首先對(duì)圖像進(jìn)行非下采樣Contourlet變換獲得多尺度多方向的分解系數(shù)矩陣,然后利用主分量分析方法直接估計(jì)各尺度各方向的噪聲能量,根據(jù)噪聲能量估計(jì)值選取合適的閾值及閾值調(diào)節(jié)參數(shù),依據(jù)閾值函數(shù)對(duì)變換系數(shù)矩陣進(jìn)行處理,最