版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波多分辨率分析的圖像重建算法研究.pdf
- 基于平均梯度和小波多分辨率分析的圖像融合算法研究.pdf
- 基于小波變換的紅外圖像去噪算法研究.pdf
- 基于小波變換的有噪圖像多分辨率分割.pdf
- 基于多分辨率分析的遙感圖像融合算法研究.pdf
- 遙感圖像的多分辨率分析融合算法研究.pdf
- 多分辨率隱馬爾可夫模型圖像去噪研究.pdf
- 基于多分辨率分析的虹膜識別算法研究.pdf
- 基于多分辨率分析的掌紋識別算法研究.pdf
- 外文翻譯---多分辨率分析 & 連續(xù)小波變換
- 小波在SAR圖像去噪及分辨率融合中的應(yīng)用.pdf
- 基于多分辨率分析和變分的遙感圖像增強(qiáng)與融合算法研究.pdf
- 基于塊匹配的圖像去噪和超分辨率重建算法研究.pdf
- 小波圖像去噪算法的研究.pdf
- 基于小波分解的圖像多分辨率非局部去噪方法的研究.pdf
- 基于小波變換的圖像去噪算法.pdf
- 融合多分辨率分析與PCNN的地震剖面圖像增強(qiáng)算法研究.pdf
- 基于多分辨率分析的多源圖像融合算法的研究.pdf
- 基于多分辨率分析的遙感圖像融合技術(shù)研究.pdf
- 基于多分辨率分析的遙感圖像云層去除方法研究.pdf
評論
0/150
提交評論