论文部分内容阅读
随着科技的进步和技术的发展,在临床医学中医学CT图像发挥着越来越重要的作用,它成为医师诊断疾病的重要手段,尤其在肺癌的早期检查中。近年来,医学影像技术的发展提高了医学诊断的准确度和可信度。医学CT图像跟普通图像有很大的不同,它是对人体的成像。人体的组织器官的密度各不相同、人体的呼吸运动、心跳运动以及获取图像的设备的质量差异,这些因素都可能造成CT图像中感兴趣区域的对比度差、细节边缘模糊、掺杂噪声等问题,这些问题会对医生的诊断造成很大的影响。为此医学CT图像去噪和增强算法的研究就便得十分重要。本文主要从CT图像去噪和CT图像增强两方面进行研究,提出了两种适合与医学CT图像去噪和增强的算法。本文的主要工作包括下面两方面:在CT图像去噪方面,本文先研究一些传统的图像去噪方法,并发现传统的图像去噪算法在对医学CT图像进行去噪时,是对图像中所有的像素点进行处理的,去噪的效果很不理想,去噪后的医学CT图像的细节会变得很模糊,并且丢失大量的细节信息。本文根据医学CT的普遍特点,针对传统去噪方法存在的问题,提出了一个基于灰色关联分析和GM(grey model)预测模型的医学图像去噪算法。该算法首先利用灰色关联分析判断像素点是否是噪声点;并利用GM预测模型对医学图像进行去噪处理。该算法能够避免处理不是噪声的像素点,减少去噪算法对CT图像的细节的破坏。经过该算法去噪处理后的医学图像具有较好的MSE和PSNR,能保留更多的细节信息,较严密地保证图像的真实性。在CT图像增强方面,我们首先将一些传统的图像增强方法应用到CT图像中,发现这些方法并不能对CT图像很好地增强达到我们所需要的效果。在对小波变换的研究中发现,小波变换能够多分辨率、多层次对医学CT图像进行分解,能够获得医学CT图像中更多的高频细节信息,进一步将CT的高频细节信息增强;而Laplacian金字塔也能够将医学CT图像进行多尺度分解,得到高频细节信息。在此基础上,我们根据医学CT图像对细节信息要求十分严苛的特点,我们提出了一个基于小波变换和Laplacian金字塔的CT图像增强算法。首先,对原医学CT图像进行小波变换分解,得到处理结果;然后,对原医学CT图像进行Laplacian金字塔分解得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的CT图像。实验结果表明,该方法在对医学CT图像细节信息的增强效果明显,增强后的CT图像具有很好的MSE和PSNR,能更好的抵抗噪声,并且信息熵基本不变。所以此算法比传统的算法更适用于医学CT图像的增强。