基于小波變換的醫(yī)學影像邊緣檢測算法研究.pdf

1、醫(yī)學圖像中的邊緣信息是進一步進行醫(yī)學圖像分析和處理的基礎,由于圖像中包含的肌肉、血管等干擾信息較為豐富,進行邊緣提取非常困難。因此研究圖像邊緣檢測算法,已成為圖像處理的關鍵技術之一,且在實際應用領域具有重要的意義。
　　本文介紹了醫(yī)學圖像的特點、應用及其發(fā)展現(xiàn)狀,綜述了圖像邊緣檢測的經典方法和近年來提出的新的方法,闡述了小波變換理論,將小波變換的時頻局部化的性質引入到回歸分析中和醫(yī)學胸部X影像的邊緣檢測中進行了研究。
　　根

2、據(jù)回歸分析的特點,本文提出了一種基于小波變換的非線性回歸算法。該算法先對測量得到的數(shù)據(jù)進行小波分解,得到近似部分和細節(jié)部分,將細節(jié)部分的小波系數(shù)進行閾值去噪,再通過小波重構得到估計函數(shù)。實驗表明,此算法得到的估計函數(shù)的信噪比明顯高于傳統(tǒng)算法的信噪比,這說明了引入小波分析有益于提高回歸精度,可以有效地去除噪聲,充分保留信號的局部特征。
　　針對胸部X影像中的肋骨大多是模糊的圖像信息,呈現(xiàn)弱邊緣特性的特點,提出了基于改進的B樣條小波變

3、換的影像邊緣檢測算法。此算法用三次B樣條小波作為小波基函數(shù),在原來算法的基礎上引入了小波的多尺度分析的性質。運用 Matlab對提出的改進算法進行仿真,實驗結果表明:這種算法得到了綜合各個尺度特征的較好的醫(yī)學圖像的邊緣,更好的保留原始的圖像信息,大量減少檢測結果中偽邊緣和圖像中背景點的數(shù)量;特別是對于在原始圖片中與背景灰度的區(qū)別很小的弱邊緣,也能清晰地檢測出其位置,準確、清晰地定位肋骨的邊緣,便于進行后續(xù)處理和輔助醫(yī)生診斷。改進算法的結