【正文】 然后對低劑量的腦部 CT（ 256*256）圖像為進行兩次中值濾波去噪，求出類似于 均方誤差 (MSE)、峰值信噪比 (PSNR)和信噪比 (SNR)的值。由此可以得出用小波包變換和中值濾波對加入少量的相同噪聲的去噪均有明顯的效果。閾值的選擇與各尺度上噪聲的方差有關(guān)，如果噪聲的先驗知識未知，可以從信號中假定為純噪聲部分進行估計，或者在最小尺度 (j=1)小波變換域中(此時信噪比較低，噪聲起支配作用 )估計此尺度噪聲方差，然后根據(jù)噪聲方差在多尺度的傳播特性計算其余尺度的噪聲方差 [18]。 （ 3）小波包分解系數(shù)的閡值量化 對于每一個小波包分解系數(shù)，選擇一個適當?shù)年@值并對系數(shù)進行閡值量化?？陀^上，對加入不同劑量的高斯噪聲去噪前后分別與原灰度圖像對比，從表 中可以看出 均方誤差 (MSE)的值減小 、峰值信噪比 (PSNR)和信噪比 (SNR)的值增大，由此可以得出用自適應中值濾波對加入不同噪聲密度的去噪有一定的效第三章 自適應中值濾波去噪 19 果。形態(tài)學濾波有比較好的數(shù)學基礎(chǔ)，其性能也與中值類濾波器近似，但還存在著一些缺陷，需要進一步發(fā)展 [6]。由于小波濾波也屬于變換域的濾波方法 [14]，其實時性能也需要加強。在圖像處理方面，已在奇異點檢測、圖像重建和邊緣檢測等方面獲得了成功的應用，并且從小波理論出發(fā)對圖像處理的研究正逐漸成為這一領(lǐng)域研究的新熱點。 自適應濾波方法 在實際應用中，對于不同類型的信號和噪聲，非線性濾波器參數(shù)必須經(jīng)過優(yōu)化才能得到較好的效果。它能減弱或消除傅里葉空間的高頻分量，但影響低頻分量。 (5)模板卷積 模板卷積是圖像在空間域濾波時常用的一個概念。在實際應用中，主觀評價結(jié)果還會受觀察者的觀測動機、知識背景、觀測環(huán)境等因素的影響。但這種直觀的方法帶有一定的主觀性，只用于觀察比較明顯的圖像去噪效果。 ④ ―鹽和胡椒 (Salt and pepper)‖噪聲。 圖像的噪聲 圖像中的噪聲我們可以定義為圖像中不希望出現(xiàn)的部分，或者是圖像中不需要的部分。針對上面的這些問題本文使用了比較切實可行的圖像去噪以及圖像增強的方法，過去使用的一些圖像處理的 方法存在著時間和頻率不能同時具有高分辨率的缺陷，而本文使用的自適應中值濾波和小波包變換在圖像去噪和增強的領(lǐng)域中是更為有效的圖像處理的方法，它不僅能夠較好地抑制噪聲，而且在增強圖像細節(jié)以及邊緣檢測等方面也有很好的特性?，F(xiàn)在各種新的醫(yī)學成像方法的臨床應用，使醫(yī)學診斷和治療技術(shù)取得了非常大的進展，同時將各種成像技術(shù)所得到的信息進行互補，也為臨床診斷及生物醫(yī)學的研究提供了有力的科學依據(jù)。盡管 CT圖像的不少技術(shù)指標還趕不上傳統(tǒng) X 射線屏 片圖像，但 CT 成像方法克服了傳統(tǒng)屏 片成像射線方向信息重疊的局限，加之 CT 圖像足夠的清晰度和準確性使得 CT成為臨床診斷成像中應用最廣泛的方法之一。 保密 □，在 年解密后適用本授權(quán)書。它包括計算機斷層成像 (Computed Tomography， CT)、計算機 X 線攝影 (Computed Radiography， CR)、數(shù)字 X 線攝影 (Digital Radiography， DR)、磁共振成像 (Magic Resonance， MR)，直接數(shù)字 X 線攝影 (Direct Digital Radiography， DDR)、超聲(Ultrasound)成像 [2]。另外，對圖像進行銳化的處理時，第一章 緒論 2 邊緣或細節(jié)就會變得模糊不清。為此 Hounsfield和 Cormack 共同獲得了 1979 年的諾貝爾生理和醫(yī)學獎 [4]。如飛點掃描圖像中的噪聲、電視掃描光柵、膠片顆粒噪聲等。這種類型的噪聲也可以使用散粒噪聲和尖峰噪聲來稱呼。表 給出了對圖像質(zhì)量進行絕對評價的尺度。 灰度圖像矩陣元素的取值范圍通常為 [0 255]，因此其數(shù)據(jù)類型一般為 8 位無符號整數(shù) (uint8)，這就是人們經(jīng)常提到的 256 灰度圖像。因此，它就非常適用于一些線性濾波器無法勝任的數(shù)字圖像處理應用場合。半經(jīng)愈大，則圖像的模糊程度越大，因此，減少圖像的模糊是圖像平滑處理研究的主要問題之一。其基本運算有腐蝕、膨脹、開、閉等運算。 小波濾波由于其優(yōu)秀的時頻特性，較以往頻率域濾波器有了一定發(fā)展。對于特定性質(zhì)的噪聲，可以起到快速良好的濾波效果，是一類簡單有效的濾波器。 第三章 自適應中值濾波去噪 16 中值濾波對加入不同密度的相同噪聲的去噪效果： (1)、加入不同密度的椒鹽噪聲： 圖 、用自適應中值濾波對加入不同密度的椒鹽噪聲的去噪結(jié)果 第三章 自適應中值濾波去噪 17 表 、去噪前后 均方誤差 (MSE)、峰值信噪比 (PSNR)和信噪比 (SNR)的值 噪聲 密度 含不同密度的椒鹽噪聲 中值濾波去噪后 MSE PSNR SNR MSE PSNR SNR 實驗所得結(jié)論：主觀上，從圖 中可以看出圖像 去噪也較為明顯，對加入的椒鹽噪聲大部分已去除，但對椒鹽噪聲密度較大的圖像去噪并不是很理想。 在小波包標架中，其信號消噪的算法思想與在小波標架中的基本一樣，唯一 不同的是小波包分析提供了一種更為復雜，更為靈活的分析手段，因為小波包分析對上一層的低頻部 分和高頻部分同時進行進一步的細分，具有更為精確的局部分析能力。熵必須是一個遞增的價值函數(shù)，我們用 E 表示，即 , / 2( ) 2 ( 2 )Rn j j jknC f t W t k d t??? () 2 , 1 ,22 1 , 1 ,2n j n jlkkllZn j n jkllklZc h cc g c? ??????? ???????? () 第四章 小波包去噪 23 常用的 熵有對數(shù)熵、閾值熵、 lp 范數(shù)熵、 Shannon 熵等。通 過中值濾波和小波包變換對不同的加噪圖片進行去噪，以三種不同的客觀方法對圖像去噪質(zhì)量的評價。最后進行圖像的小波包重構(gòu)根據(jù)最低層的小波包分解系數(shù)和經(jīng)過量化處理的系數(shù)，進行圖像的小波包重構(gòu)。 總結(jié) 32 總 結(jié) CT 圖像中常常含有的是 椒鹽噪聲和高斯噪聲以及其他噪聲的混合噪聲，采用中值濾波對圖像中的一兩種噪聲的去噪有很好的效果，但對圖像中的多種混合噪聲去噪效果并不理想，對低劑量 CT 圖像的去噪并沒有起到圖像增強的作用。由此可以得出用小波包變換和中值濾波對加入少量的相同噪聲的去噪均有明顯的效果。 }njkc k Z? ， 2 , 1 2 1, 1{ , 。 對圖像進行小波包分解 小波包分解（ wavelet packet deposition）也可稱為小波包（ wavelet packet）或子帶樹（ subband tree）及最佳子帶樹結(jié)構(gòu)（ optimal subband tree structuring）。從表 mes的值增大 、 psnr和 snr的值減小，由此可以得出用自適應中值濾波對低劑量的 CT圖像的去噪還原還是有一定的效果，但不是很理想。 自適應中值濾波總體上可以分為三步： (1) 對圖像各區(qū)域進行噪聲檢測； (2) 根據(jù)各區(qū)域受噪聲污染的狀況確定濾波窗口的尺寸； (3) 對檢測出的噪聲點進行濾波。同時訓練的方法也是一個值得研究的方向。總的來說，這些研究通過對圖像信息模糊性的理解，人們可以用模糊集來更為精確的描述圖像信息，而對這樣的信息處理就需要將傳統(tǒng)的經(jīng)典集處理方法推廣到模糊集，即通過隸屬度函數(shù)來分集，從第二章 圖像去噪的理論基礎(chǔ) 11 而形成了一類由經(jīng)典集圖像處理方法發(fā)展而來的模糊圖像處理算法。 該類濾波器的簡單工作過程為：首先輸入信號通過參數(shù)可調(diào)數(shù)字濾波器 后產(chǎn)生輸出信號，將其與參考信號進行比較，形成誤差信號。當窗口在圖像中上下左右進行移動后，利用中值濾波算法可以很好地對圖像進行平滑處理。模板運算的基本思路是將賦予某個像素的值作為它本身灰度值和其相鄰像素灰度值的函數(shù)。 數(shù)字圖像常用的基本概念 (1) 像素 像素 (pixel)：圖像被與其大小完全相等的網(wǎng)格分割成大小相同的小方格(grid)，每一個方格稱為像素或像元。 均方誤差 （ MES） 定義為： 其中 I(m， n)是原始圖像， K(m， n)表示經(jīng)過處理后復原的圖像 ,圖像尺寸為m*n。如果平滑不當，就會使圖像本 身的細節(jié)如邊緣輪廓、線條等變得模糊不清，從而使圖像降質(zhì)，所以圖像平滑過程總是要付出一定的細節(jié)模糊代價。 實際獲得的圖像一般都因為受到某種干擾而含有噪聲。 本課題的研究內(nèi)容 本次課題的工作是嘗試利用自適應中值濾 波和小波包變換的方法來抑制醫(yī)學 CT 圖像的噪聲以及對 CT 圖像進行增強處理。由于 CT 圖像中的病灶部位會在形狀和灰度上非常相似，用肉眼分辨不出來。 CT掃描所獲得的圖像均存在一定的噪 聲，特別是當輻射劑量降低時，圖像噪聲急劇增高，當輻射劑量降低到一定程度時，隨著噪聲的增高，圖像也將不能滿足臨床診斷的要求。本人完全意識到本申明的法律后果由本人承擔。 pepper noise ；gaussian noise； he adaptive median filter； wavelet packet transform. 目錄 III 目錄 摘要 ................................................................................................................................. I Abstract ..........................................................................................................................II 第一章 緒論 .................................................................................................................. 1 課題背景及研究的意義 .................................................................................. 1 本課題的研究內(nèi)容 .......................................................................................... 2 第二章 圖像去噪的理論基礎(chǔ) .................................................................................... 3 CT 成像 ............................................................................................................ 3 圖像的噪聲 ..................................................................................................... 3 圖 像去噪的質(zhì)量評價方法 ............................................................................. 5 客觀準則 .............................................................................................. 5 主觀準則 ............................................................................................... 6 數(shù)字圖像常用的基本概念 ............................................................................. 7 常用 的圖像去噪方法 ..................................................................................... 8 幾種新型的濾波方法 ................................................................................... 10 本章小結(jié) ....................................................................................................... 11 第三章 自