基于小波多分辨率分析的紅外乳腺圖像去噪增強(qiáng)算法的研究.pdf

1、乳腺癌是當(dāng)今威脅女性健康和生命的嚴(yán)重疾病，提高乳腺癌的早期診斷率對乳腺癌的治療具有重要意義。紅外線掃描乳腺是診斷乳腺癌的重要手段之一，它能迅速、無痛無損的獲取女性的數(shù)字紅外乳腺圖像。在乳腺癌患者的紅外乳腺圖像中，病灶表現(xiàn)為高對比度的、大小不等的、形態(tài)不規(guī)則的腫塊陰影。由于腫瘤組織與乳腺內(nèi)致密腺體組織對紅外線的吸收率十分接近，且腫塊對比度隨成像條件、尺寸大小和背景的變化而改變，圖像中的腫塊邊緣和背景結(jié)構(gòu)往往參合在一起，使得病灶組織的邊界難

2、以準(zhǔn)確的識別。為了提取腫瘤組織的有效特征識別病變部位，便于醫(yī)生做出正確診斷，有必要抑制圖像的噪聲并增強(qiáng)圖像以改善紅外乳腺圖像的質(zhì)量。 現(xiàn)有的多種傳統(tǒng)圖像增強(qiáng)方法雖已取得較好的效果，但它們在增強(qiáng)圖像的同時，往往會帶來比較嚴(yán)重的負(fù)效應(yīng)。具有“數(shù)字顯微鏡”之稱的小波分析理論近年來受到眾多學(xué)科的共同關(guān)注，小波變換在時頻域的多分辨率具有良好的空間域和頻率域局部化特性，可以聚焦到分析對象的任意細(xì)節(jié)，特別適合于圖像這類非平穩(wěn)信源的處理。另外，

3、小波變換還具有低熵性,去相關(guān)性和選基靈活性等特點，這使得它在圖像去噪和增強(qiáng)的研究領(lǐng)域中充滿生機(jī)。 本文在小波進(jìn)行圖像去噪和增強(qiáng)的理論基礎(chǔ)上，主要研究了基于小波多分辨率分析的紅外乳腺圖像去噪和增強(qiáng)算法，主要工作如下： 首先在紅外乳腺圖像的去噪算法研究中，采用了小波閾值去噪的方法。此方法分別對小波函數(shù)、分解尺度、閾值及量化函數(shù)的選取做了詳細(xì)分析，通過實驗仿真，并采用信噪比為指標(biāo)，結(jié)合人眼的視覺特性，把處理結(jié)果作比較，提出了針

4、對紅外乳腺圖像去噪中各個重要參數(shù)的設(shè)置。實驗表明，該方法在有效抑制噪聲的同時盡可能多的保留了對醫(yī)生有用的細(xì)節(jié)邊緣，為臨床提供了更細(xì)致明確的信息。 其次是在小波圖像去噪的基礎(chǔ)上再對圖像進(jìn)行適度增強(qiáng)以更突出細(xì)節(jié)信息。由于圖像進(jìn)行小波分解后，其邊緣細(xì)節(jié)與噪聲都存在于高頻部分，在高頻段利用上述去噪方法去掉噪聲后，再增強(qiáng)圖像中的邊緣細(xì)節(jié)，從而達(dá)到去噪并增強(qiáng)的目的。因此，本文提出了小波的子帶線性增強(qiáng)法、子帶分段線性增強(qiáng)法以及多尺度非線性增強(qiáng)

5、三種算法，并對這三種方法中的增益函數(shù)和閾值參數(shù)進(jìn)行了比較深入的分析研究，特別在多尺度非線性算法中，對圖像的多尺度邊緣進(jìn)行確定，利用二次B樣條小波對圖像進(jìn)行小波變換，再通過增益函數(shù)實現(xiàn)圖像的邊緣增強(qiáng)。由實驗結(jié)果得出，前兩種方法由于各高頻系數(shù)都相應(yīng)的增強(qiáng)，圖像對比度不夠明顯，而基于小波的多尺度非線性算法更有效的補(bǔ)充了圖像的弱信息，提高了圖像中病灶重要特征的可視化。 綜上所述，論文將圖像的去噪、邊緣檢測和增強(qiáng)有機(jī)的結(jié)合起來，同時采用醫(yī)