基于小波變換的醫(yī)學(xué)影像邊緣檢測算法研究.pdf

1、醫(yī)學(xué)圖像中的邊緣信息是進(jìn)一步進(jìn)行醫(yī)學(xué)圖像分析和處理的基礎(chǔ),由于圖像中包含的肌肉、血管等干擾信息較為豐富,進(jìn)行邊緣提取非常困難。因此研究圖像邊緣檢測算法,已成為圖像處理的關(guān)鍵技術(shù)之一,且在實(shí)際應(yīng)用領(lǐng)域具有重要的意義。
　　本文介紹了醫(yī)學(xué)圖像的特點(diǎn)、應(yīng)用及其發(fā)展現(xiàn)狀,綜述了圖像邊緣檢測的經(jīng)典方法和近年來提出的新的方法,闡述了小波變換理論,將小波變換的時(shí)頻局部化的性質(zhì)引入到回歸分析中和醫(yī)學(xué)胸部X影像的邊緣檢測中進(jìn)行了研究。
　　根

2、據(jù)回歸分析的特點(diǎn),本文提出了一種基于小波變換的非線性回歸算法。該算法先對(duì)測量得到的數(shù)據(jù)進(jìn)行小波分解,得到近似部分和細(xì)節(jié)部分,將細(xì)節(jié)部分的小波系數(shù)進(jìn)行閾值去噪,再通過小波重構(gòu)得到估計(jì)函數(shù)。實(shí)驗(yàn)表明,此算法得到的估計(jì)函數(shù)的信噪比明顯高于傳統(tǒng)算法的信噪比,這說明了引入小波分析有益于提高回歸精度,可以有效地去除噪聲,充分保留信號(hào)的局部特征。
　　針對(duì)胸部X影像中的肋骨大多是模糊的圖像信息,呈現(xiàn)弱邊緣特性的特點(diǎn),提出了基于改進(jìn)的B樣條小波變

3、換的影像邊緣檢測算法。此算法用三次B樣條小波作為小波基函數(shù),在原來算法的基礎(chǔ)上引入了小波的多尺度分析的性質(zhì)。運(yùn)用 Matlab對(duì)提出的改進(jìn)算法進(jìn)行仿真,實(shí)驗(yàn)結(jié)果表明:這種算法得到了綜合各個(gè)尺度特征的較好的醫(yī)學(xué)圖像的邊緣,更好的保留原始的圖像信息,大量減少檢測結(jié)果中偽邊緣和圖像中背景點(diǎn)的數(shù)量;特別是對(duì)于在原始圖片中與背景灰度的區(qū)別很小的弱邊緣,也能清晰地檢測出其位置,準(zhǔn)確、清晰地定位肋骨的邊緣,便于進(jìn)行后續(xù)處理和輔助醫(yī)生診斷。改進(jìn)算法的結(jié)