基于样条小波变换局部的医学图像边缘提取

医学图像在现代医疗诊断中起着不可低估的重要诊断作用。本文根据甲襞微循环图像的特点,采用三次B样条小波对甲襞显微图像进行小波变换,利用模局部极大值方法较好地检测出图像的边缘,定位精度较高。克服了传统的梯度法、灰度法和改进型自适应阈值模板相关匹配算法的不足。     

基于样条小波变换局部的医学图像边缘提取

医学图像在现代医疗诊断中起着不可低估的重要诊断作用。本文根据甲襞微循环图像的特点．采用三次B样条小波对甲襞显微图像进行小波变换，利用模局部极大值方法较好地检测出图像的边缘，定位精度较高。克服了传统的梯度法、灰度法和改进型自适应阈值模板相关匹配算法的不足。     

基于小波变换的乳腺肿瘤B超图像识别的研究

通过小波变换的原理对正常乳腺B超图像和病变乳腺B超图像进行小波分解,对图像进行小波去噪处理,再对图像进行小波特征提取。通过人工神经网络的方法对图像的特征参数进行统计分析,得出正常的乳腺B超图像和发生病变的B超图像之间的区别,从而判断哪些图像发生病变。仿真实验表明,该方法相对于医生凭经验判断有更高的准确率。结论：采用小波变换方法将图像分解、去噪并提取出来的特征参数可以有效地将两类图像区分开来,医生根据量化特征参数进行诊断,提高乳腺肿瘤临床诊断的准确率。     

基于图像特征提取的飞行器故障诊断系统设计

为提高飞行器测试数据的利用率,解决飞行器故障诊断中资源浪费的问题。提出并实现了一种基于数据图像特征提取的飞行器故障自动诊断系统。系统通过建立一个历史测试数据库,对各种测试项目的历史图像提取特征值,将其存储在数据库中,且将该次测试对应的诊断信息存储在内。利用小波变换法作为特征提取的方法,小波能谱熵作为特征值表征。将当前测试故障的数据图像进行特征提取,并与数据库中图像进行比对,找出相似度最高的历史数据图像。从而帮助测试人员进行故障定位诊断工作。     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

基于小波阈值的图像去噪

研究了图像优化问题,图像中噪声经常会影响图像的清晰度,造成图像模糊等。为了更好的去除图像噪声并较好的保留图像细节信息,选取合适的小波阈值去噪法。比较了小波软、硬阈值去噪法与基于SURE阈值去噪法,选取较佳的图像去噪法。在Matlab上仿真结果表明,基于SURE阈值去噪法有效提高了图像去除噪声能力,保留较好的图像细节。     

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

医学图像融合中最佳小波分解层数的选择

根据小波低频子带图像的轮廓模糊度和高频子带图像的细节信息量随小波分解层教增多而增多的规律,从图像熵出发,提出了一种基于低频子带图像熵差的最佳小波分解层数选择法,该方法通过计算不同分解层数下各低频子带的图像熵差,选择最接近原始图像熵差的分解层数作为最佳分解层数.用多种基于小波变换的图像融合法分别对两组医学图像进行仿真实验,结果表明根据该分解层数选择法得到的融合图像目视效果最好,与相关系数、峰值信噪比、模糊Chebyshev距离值等客观评价指标保持了很好的一致性.     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

一种矿井巷道图像边缘检测算法

针对传统的Canny算法在处理模糊的矿井巷道图像时存在边缘提取效果较差的问题,提出了一种基于小波变换和Canny算法的矿井巷道图像边缘检测算法。该算法首先对矿井巷道原始图像做小波分解,获得低频图像和高频图像,从而避免模糊图像对边缘检测效果的影响;然后采用Canny算法计算低频图像和高频图像的一阶差分,获得低频图像和高频图像的梯度图,通过计算局部梯度最大值,获得高频图像和低频图像的边缘图;当高频图像的边缘图上出现间断点时,在低频图像的边缘图中检测该点的8点邻域,寻找连接点,即可得到完整的矿井巷道边缘检测图。实验结果表明,与传统的Canny算法相比,该算法能够检测到较多的图像边缘点,具有较好的边缘连接效果。     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中，微弱的回波图像淹没在强背景噪声中，为更好地检测这类含噪图像的边缘信息，首先应用特征方向非线性中值滤波技术，滤去高斯噪声；其次，选择(3,1)双正交样条小波作为原始小波滤波器，采用提升方案构造最优双正交小波滤波器，应用构造的双正交小波进行多尺度小波边缘检测；同时，通过定义浮动阈值，并应用于图像边缘检测，较准确地定位了边缘位置。仿真结果表明，该算法应用于图像边缘检测，检测速度较快，检测效果较好。     

基于小波变换的含噪人耳图像边缘检测

为了取得含噪人耳图像的理想边缘轮廓,以实现人耳识别技术的进一步应用,对小波变换边缘检测方法进行了研究,分析了噪声消除与小波变换尺度之间的关系,详细论述了模局部极大值提取边缘的原理.针对含噪人耳图像的特殊性,阐述了一般去噪和边缘检测方法的不足,并针对这些不足提出了改进方法,首先利用样条小波多尺度分解后,相邻尺度小波系数相乘得到尺度积,然后进一步求得尺度积的模和相角,通过自适应阈值去噪提取图像边缘,取得了较好效果.     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息，因此，在图像去噪的同时，应尽量保留图像的边缘特征。为实现这一想法，提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘，对检测出的边缘进行均值平滑滤波，以减少边缘图像中的孤立点噪声；进而再对图像边缘和含噪图像分别进行小波分解，根据分解后的小波系数以确定图像的边缘特征和非边缘特征；最后，再对图像边缘对应的小波分解系数进行小阈值处理，而对非边缘的则进行大阈值处理，从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明，与普通的小波阈值去噪方法相比，该方法可有效地保持图像的边缘信息，去噪效果则优于前者。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。