關於醫學圖像去噪的方法研究論文

醫學影像是指爲了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程，是一種逆問題的推論演算，即成因（活體組織的特性）是經由結果（觀測影像信號）反推而來。下面是小編爲你帶來的關於醫學圖像去噪的方法研究論文 ，歡迎閱讀。

【摘 要】目的：爲了研究新的醫學圖像去噪方法。方法：對同組圖片做小波變換、中值濾波和合並小波變換和中值濾波圖像去噪新方法，觀察對比去噪後圖片的清晰度。結果：通過對比實驗，研究結果顯示合併小波變換和中值濾波圖像去噪方法有很好的臨牀效果。結論：合併小波變換和中值濾波圖像去噪方法是有效的。

【關鍵詞】小波變換；圖像去噪；中值濾波；醫學圖像

醫學圖像在經過成像系統的形成和顯示過程中，將不可避免地引入各種噪聲，降低了醫學圖像的可分辨性，對醫學圖像的質量造成較大的影響。特別是這些噪聲使得邊緣和細節變得模糊，從而使得其信噪比降低，以至於某些特徵細節不易辨別，醫師的診斷可能產生誤差。因而，研究這些噪聲的特性，並且進一步對噪聲進行抑制與去除，儘可能避免醫學圖像中噪聲的影響，並同時保留和增強醫學圖像原本的邊緣與細節特徵，對於醫學圖像的邊緣檢測、識別，定位、分割與診斷均具有非常重要的意義。而目前的去噪方法在不同的方面存在着弊端，下面是筆者的研究結果。

1 小波變換

小波變換作爲Fourier分析發展史上的里程碑，在保存了短時Fourier的局部化思想的情況下。小波變換通過定義伸縮因子與平移因子，使得其變換窗口能夠隨着頻率的高低變換而發生改變，以便對信號低頻的特性進行充分利用。在小波變換中，其窗口大小不變，但形狀可發生改變，即小波變換是頻率窗與時間窗均能進行改變的一種時頻局部化分析法。小波變換在低頻部分具有較高的頻率分辨率與較低的時間分辨率，而在高頻部分正好相反[1]。研究者們將小波分析譽爲數學顯微鏡，其信號具有自適應性，基於小波的優良特性，小波變換的使用越來越廣泛，小波圖像去噪已取得了較爲理想的效果。

實驗結果及討論：以下圖一是筆者採集到的小波原始樣本，圖二則是經過加噪後的樣本小波，圖三是經過3db10降噪後採集到的小波信號，圖四則是利用sym小波去噪後得到的圖像。通過圖三、圖四和圖一原始數據的對比，發現小波去噪有較爲良好的效果。

2 中值濾波

中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性信號處理技術。中值濾波的原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代換。在維形式下， 中值濾波器是一個含有奇數個點值的滑動窗口 ， 經排序後， 窗口中點值的序列爲{Fi-k，…，Fi-1 ，Fi，Fi+1 ，…，Fi+k} .式中 k= （n-1）/2，n 爲窗口長度，Fi 即爲窗口中點值的中值濾波輸出，記作Gi= Med{Fi-k，…，Fi，…，Fi+k}，Med{? } 表示取窗口中值。令中值濾波器窗口長度n=2k+1，如果信號中脈衝寬度大於或等於k+1，濾波後該脈衝將得到保留；如果信號中脈衝寬度小於或等於k，濾波後該脈衝將被去除。這就是中值濾波器去除脈衝噪聲而保護信號細節的性質。將一維中值濾波器理論擴展到二維信號中去，就產生了二維中值濾波器。二維中值濾波器的窗口也是二維的。將窗口中點的值排序， 生成單調二維數據序列{Fjk}。二維中值濾波輸出 G（j，k） 爲 G（j，k） = Med{Fik}.中值濾波器用於圖像處理， 先設置一個濾波窗口，將其移遍圖像上的點，然後用窗口內各原始值的中值代替窗口中心點的'值。二維中值濾波器的窗口形狀有多種，如線狀、方形、十字形、圓形、菱形、全方位等。不同形狀的窗口產生的濾波效果不同。二維中值濾波器保存邊緣消除噪聲的特性與窗口的選擇非常有關，爲了既消除噪聲又更全面地保存圖像邊緣常採用全方位窗口。

實驗結果及討論：下圖是筆者做的另一組實驗結果，左上角爲原圖，右上角是灰度圖，左下角爲加噪後的圖片，最後是利用中值濾波去噪後的圖片。實驗結果顯示中值濾波在處理椒鹽噪聲方面有很好的效果。

3 小波變換和中值濾波圖像去噪新方法

首先，對噪聲圖像進行中值濾波，然後對濾波後的圖像進行小波變換分解，生成小波係數矩陣，對小波係數利用中值濾波原理進行處理生成新的小波係數矩陣，用新的小波係數矩陣進行圖像重構，最後再用小波閾值消噪，生成新的去噪圖像。具體算法如下：

1）對噪聲圖像進行二維中值濾波， 濾波窗口爲 5×5。

2）按分解算法用Sym4小波將中值濾波去噪後的圖像進行一層小波分解，提取出二維小波分解的近似係數、水平細節係數、垂直細節係數和對角細節係數。

3）對提取出的圖像近似係數及各細節係數，利用中值濾波原理分別進行處理生成新的係數。

4）按照重建算法，用新生成的小波係數重新組成圖像係數進行圖像重構，得到去噪圖像。

5）對以上圖像再用小波Sym4對圖像進行分解，得到3層分解下的各細節分量和近似分量。

6）選取適合的閾值對每一層小波分解係數進行取捨。

7）用小波分解的最後一層近似係數及各層細節係數進行圖像反變換重構，最後構成消噪圖像。小波去噪閾值的選取是關鍵，如何選取閾值許多學者提出了各種方法，還有許多人正在進行研究。

實驗結果及分析：以下是筆者利用新方法，對加噪後圖像和去噪後的圖像對比，可以看到，新方法處理的圖像，視覺效果最好， 去噪後殘留噪聲較少，圖像很清晰。

4 結果

Symlet小波具有近似對稱特性，這種特徵有利於信號去噪，因此，選取Symlet小波進行變換。我們對原始圖像加入方差爲0.05的高斯噪聲和脈衝概率爲0.05的脈衝噪聲的混合噪聲。最後在採用中值濾波與小波分解後運用中值濾波原理去噪重構圖像及小波閾值去噪相結合去噪的新方法，從視覺效果來看，視覺效果最好，去噪後殘留噪聲較少，圖像較清晰，去噪圖像均方誤差（δ MSE=168.9）最小。[7]

5 結論

本文對醫學圖像的去噪方法進行了研究，提出先用中值濾波，再利用小波變換分解後運用中值濾波原理對小波係數進行處理，然後重構圖像，最後用小波閾值去噪的方法。該方法與單獨用小波閾值去噪、單獨用中值濾波及先中值濾波後小波閾值去噪的方法相比，圖像視覺效果好，圖像去噪後的均方誤差最小，是去除CT圖像中所含高斯與脈 衝噪聲的混合噪聲的一種比較理想的方法。

【參考文獻】

[1]鄭治真.小波變換及其MATLAB工具的應用[M].：地震出版社，2011（5）.

[2]勒中鑫.數字圖像信息處理[M].北京：國防工業出版社，2013.

[3]李海雲，王箏.基於小波變換模極大值特徵的多模醫學圖像融合算法的研究[M].計算機工程與應用，2010（16）：221-229.

[4]昂清，王衛東.基於小波分析的視覺成像原理研究叨[J].醫療衛生裝備，2011，27（10）：18-20.

[5]史貴連，葉福麗信號的二維多分辨率小波分析田[J].醫療衛生裝備，2012（10）：24-25.

[6]Yan Hua? Hal?stigation of a wavelet transform based noise filteringapproach for medicalimage[J]ese Medical Equipment Journal，2011（7）：4-6.（InChinese）

[7]Gao Qing?wei，Li image de?noising method based oFl stationary wavelettransform[J]nal ofComputer Research and Development，2012，39（12）：1689?1693.（InChinese）