论文部分内容阅读
随着电子及计算机技术的发展,现代医学影像技术也随之快速发展,常规X线摄影设备的数字化进程被快速地推进,数字化X线摄影设备(Digital Radiography,DR)也应运而生。DR通过电荷耦合器件探测器(Change-Couple Device,CCD)或平板探测器将X射线信号转换为数字化图像,具有诸多优点,比如成像速度快、所需X线剂量少、图像分辨率高、动态范围宽、成像连续性好、操作简便等,这使得它在临床诊断中被广泛应用,是最普及的大型医疗设备之一。然而,在DR成像过程中,由于各种原因产生了种类繁多且复杂的噪声,这些噪声降低了DR图像的质量并且干扰了医生的临床诊断,为此学术界和工业界对DR图像去噪问题展开研究并取得一系列的研究成果。但是诸如线性滤波之类的传统DR图像去噪方法,由于较为简单粗放或对DR图像的针对性不够强,难以在有效去噪和保留更多细节信息两方面取得很好的平衡。为了探索DR图像噪声的去除方法,本文在熟悉和掌握DR成像原理的基础上对DR去噪问题进行深入的研究,分析噪声的来源和特点并确定主要的噪声研究对象,然后针对不同的主要噪声分别进行去噪方法的研究。归纳起来,本文主要完成了以下的研究工作:(1)对于DR图像的脉冲噪声,本文首先分析了脉冲噪声的产生原因和特点,然后对传统的脉冲噪声去除方法进行概述与分析,接着详细介绍了一种新的开关型中值滤波法,该方法基于脉冲噪声的统计特性建立了准确的噪声混合模型,最后对该方法进行分析与讨论。(2)为了消除DR图像的泊松噪声,本文研究了基于多小波领域的阈值去噪法,在分析泊松噪声的多小波系数特点的基础上,采用协方差收缩方法对传统的阈值和阈值函数进行改进。本文的系数收缩方法和泊松噪声密切关联,可以针对各个多小波高频细节子带,计算出不同的收缩阈值,具有良好的自适应性。(3)对于DR图像的高斯噪声,本文研究了基于改进的Contourlet变换阈值法。首先引入结合了递归循环平移的Contourlet变换对图像进行分解,然后对传统的阈值和阈值函数进行了改进,最后基于GPU对算法进行加速计算。