經(jīng)驗模式分解在醫(yī)學圖像處理中的應用研究.pdf

1、由于醫(yī)學影像本質(zhì)上具有模糊性、不均勻性和易受噪聲污染等特點，如何對所獲得的醫(yī)學影像進行后處理，得到更有診療價值的信息就變得尤為重要。本文研究了一種新的時頻分析方法--經(jīng)驗模式分解方法，并將其用于醫(yī)學圖像的后處理當中。 經(jīng)驗模式分解(Empirical Mode Decomposition，EMD)方法是Huang等人提出的一種新的信號處理方法，在非平穩(wěn)信號分析方面有良好的性能，是完全由數(shù)據(jù)驅(qū)動，且具有多尺度特性。由于EMD方法對

2、一維信號處理的良好效果，國內(nèi)外學者將其推廣到二維，提出了二維經(jīng)驗模式分解(Bidimensional EmpiricalMode Dccomposition，BEMD)方法并應用于二維信號處理。由于二維信號的復雜性，BEMD方法還存在許多問題有待改進。本文在深入研究已有BEMD方法的基礎上，針對相關(guān)問題給出了相應的改進方案，提出了改進的BEMD方法，并將其用于醫(yī)學圖像的去噪和分割的研究。 本文針對MRI醫(yī)學圖像信噪比低的特點，提

3、出了兩種基于BEMD方法的醫(yī)學圖像去噪：一種是基于固有模態(tài)函數(shù)加權(quán)閾值的醫(yī)學圖像去噪。該方法主要考慮到圖像經(jīng)過BEMD分解后，其高中頻成分是噪聲信息的主要分布層，所以采用固有模態(tài)函數(shù)加權(quán)閾值對其實現(xiàn)去噪。另一種是基于BEMD和小波閾值的醫(yī)學圖像去噪，該方法主要是考慮結(jié)合小波閾值的方法對各固有模態(tài)函數(shù)的高中頻成分進行去噪處理，最后重構(gòu)原圖像來達到去噪的效果。 本文針對MRI醫(yī)學圖像的組織結(jié)構(gòu)特點，提出了一種基于BEMD和灰度共生矩