基于稀疏分解的医学图像去噪-工程、电子与通信工程专业论文.docx

南 京 邮 电 大 学 工程硕士学位论文摘要 学科、专业：工程、电子与通信工程 研 究 方 向：图像处理与多媒体通信 作 者：2009 级研究生 邢 博 指 导 教 师：王 俊 题 目：基于稀疏分解的医学图像去噪 英 文 题 目：Medical Images Denoising Based on Sparse Decomposition 主 题 词：CT 图像，匹配跟踪，稀疏分解，分块，自适应 Keywords: CT images, Matching Pursuit, Sparse Decomposition, Block, Adaptive 南京邮电大学全日制工程硕士研究生学位论文摘 南京邮电大学全日制工程硕士研究生学位论文 摘 要 I I 摘 要 随着医学、计算机技术的发展，医学影像技术在临床应用上发挥着越来越重要的作用。 医学 CT 图像在成像过程中，由于成像机制和外界因素的影响，将不可避免的引入噪声。 传统的去噪方法往往需要知道噪声的统计特性，本文以匹配跟踪算法的稀疏分解为基础 提出了自适应分块稀疏去噪方法和分块硬门限阈值稀疏去噪方法。本文具体做了如下工作： （1）首先，用匹配跟踪算法实现一维信号和二维图像信号的稀疏分解。为了保证图像稀 疏分解有良好的视觉效果，本文选择的过完备原子库是非对称原子库。针对匹配跟踪方法运 算量巨大的问题，引入遗传算法寻找与信号最佳匹配的原子，同时提出分块的思想，即把分 块后的图像单独进行去噪。实验表明，分块后对各子块采用遗传算法分解寻找的最佳匹配原 子能有效的重建原图像，大大降低了运算量，节省运算时间。 （2）其次，本文采用提出的分块稀疏分解去噪方法对医学图像去噪。在医学图像去噪中， 为了解决稀疏自适应去噪问题，引入了图像相干比阈值作为医学图像去噪的结束条件。通过 大量实验确定了不同尺寸下图像的相干比阈值，并且验证了相干比阈值的选择只与图像尺寸 有关。本文在分块的基础上又研究了医学图像去噪结束的硬门限阈值方法，实验结果表明， 在不知道图像中噪声的先验统计特征下，只要选择合适的原子数重建原图像，硬门限阈值法 也能对图像中噪声的去除有一定的效果。 关键词：CT 图像，匹配跟踪，稀疏分解，分块，自适应 南京邮电大学全日制工程硕士研究生学位论文Ab 南京邮电大学全日制工程硕士研究生学位论文 Abstract II II Abstract With the development of medicine and computer technology, medical imaging technology is playing an increasingly important role in clinical application. Noises are inevitably introduced to medical CT images because of various factors in medical imaging. Noises in medical images will greatly degrade the quality of images and bring difficulties to clinical diagnosis. The traditional denoising methods often need to know the statistical characteristics of the noise，In the paper, based on the sparse decomposition of matching pursuit algorithm, an adaptive block sparse denoising method and a hard threshold block sparse denoising method is proposed. The paper has done the following specifically work: Firstly, using match pursuit algorithm to achieve sparse decomposition of signals, including the decomposition of one-dimensional signal and two-dimensional image signals. the asymmetric atom dictionaries are selected as over-complete atoms of image sparse decomposition. In order to reduce