论文部分内容阅读
数字化X线摄影成像(Digital Radiography,DR)利用平板探测器接收X射线,直接获得数字图像信号,具有图像分辨率高、动态范围宽,成像速度快,对人体辐射小等显著优点,成为当今X线摄影领域最先进的医学成像方法,在临床诊断和科学研究中都得到了越来越广泛的应用。DR成像过程中,噪声尤其是高斯噪声降低了图像质量,X光源的尺寸、人体运动等造成图像边缘模糊,平板探测器像元的非线性响应等使得细节区域对比度不足,这些都增加了医生做出正确诊断的难度.由于以上因素的不确定性,对DR图像进行有效地增强变得十分困难,严重影响和阻碍了DR技术的发展和应用。因此,对DR图像增强方法的研究,成为当前医学成像领域中的研究热点,这方面的任何研究进展都将对DR的发展和应用起到积极的推动作用。本文在深入研究DR成像原理的基础上,分析了DR图像噪声成因和图像细节模糊的原因,提出了几种DR图像去噪、增强和分割算法,有效地提高了DR图像的质量,为组织增强研究打下坚实的基础。本文的研究从分析参数去噪模型入手,在Laplace模型的基础上,提出了适合DR图像的Laplace-Impact混合模型,提高了含噪声图像的质量;再对MUSICA等多尺度对比度增强算法进行了改进,提出了2种有效的对比度增强算法,增强了低对比度细节结构,以及重叠骨骼边缘、小骨骼边缘;最后改进了一种基于图的分割算法,将其应用于DR图像的分割,进一步提高了图像质量。本文完成了以下有新意的研究工作:1)对Laplace去噪模型进行了改进,提出了基于Laplace-Impact模型的最小均方误差估计去噪算法。它利用局部方差建立Laplace-Impact混合模型的概率密度函数来逼近高频子带的系数分布,采用最小均方误差估计调整高频小波系数来进行去噪。该算法解决了参数去噪模型无法描述双树复小波域中DR图像的高频子带系数分布符合重尾分布,在零值处具有大冲击函数特性的问题。本文算法与BLS-GSM模型和Laplace模型等经典去噪算法相比,对DR图像中的高斯噪声有更好的去噪效果。2)提出了2种DR图像对比度增强算法。算法一是在分析视觉特性的基础上,提出了一种改进的塔型多尺度增强算法。它首先通过多尺度分解,得到图像不同尺度的高频和低频信息,然后对图像的高频信息采用非线性变换进行细节部分增强,最后在图像重建过程中,对图像的低频信息采用直方图均衡宋均匀图像直方图的分布。该算法能有效提高DR胸部对比度,同时也改善了图像的整体视觉效果。算法二提出了一种DR图像多尺度多模式增强算法。它利用方向高频子带系数作为方向梯度来估计局部对比度,根据多模式选择准则把图像划分为细节区域、可能的边缘区域和平滑区域,再对可能的边缘区域进行边缘检测,得到更为准确的边界,然后对不同区域的高频子带采用多模式非线性映射函数,最后将调整后的可控金字塔系数进行逆变换,重建图像。实验结果表明,本文算法能更好地增强低对比度细节结构,并在重叠骨骼边缘、小骨骼边缘的增强等方面都取得了很好的效果。3)提出了一种基于Random-Walk算法的DR图像分割方法。它对原图像进行快速Mallat小波分解得到骨干图后,利用其高频子带梯度信息优化边的权重,并在概率阈值的准则下对争议区域做进一步划分,最后把最大到达概率所在类的标签赋予未标定顶点,并扩展到原图像,得到分割边界。该算法用图像的高频子带信息优化了Laplace图构造,并用争议区域的进一步划分取代了Random-Walk中直接将最大到达概率所在的标签赋给待标定数据的方法。用微软GrabCut分割数据库图像和实际DR图像对该算法进行了验证,能快速有效地分割出特定的图像,适用于DR图像分割。