基于小波分析的医学图像增强 答辩PPT.ppt

基于小波分析的医学图像增强,论文结构,引言(简要介绍医学图像增强的研究背景及意义)算法原理(简单介绍了本文所用到的数学知识)算法流程(提出了一种基于小波变换的模糊域增强算法)结果与讨论（对图像增强传统方法与本文所用算法进行比较，验证了该算法的可行性和优越性）结束语,1、引言,医学影像是医生临床诊断和治疗的重要辅助手段 医学图像在采集、传输中会引入大量噪声为了提高图像的可读性，进行更有效的观察和诊断，对其进行计算机处理（去噪、增强）就显得非常必要,2、研究现状,传统方法：频域滤波（低通滤波、wiener滤波），空域滤波（中值滤波）新方法：1、经典的图像增强方法的改进 2、基于小波变换的图像增强技术 3、基于神经网络、模拟退火法、遗传算法的图像 增强技术 4、基于数字形态学的图像增强技术，如基于粗糙 集理论、模糊数学的增强方法。,3、算法流程图,4、结果与讨论,软阈值去噪,图像的噪声主要分布在高频区域 经小波分解后，信号的小波系数幅值要大于噪声的系数幅值，可以认为，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很大程度上是噪声 软阈值函数,模糊域增强,模糊子集，隶属函数 设U=(x)是一个集合，(x)是定义在U上并在0,1区间中取值的一个函数，则(x)刻划了U中的一个模糊子集A，我们称U是论域，A是U的模糊子集，(x)是A的隶属函数。最大隶属度原则 最大隶属度原则就是认为元素隶属于隶属度最大的集合。,模糊域增强流程图,F：隶属函数,T：模糊增强算子,F：逆映射（F的反函数）,隶属函数F：,其中,模糊增强算子T：,逆映射F：,低频分量增强效果,重构,结果讨论,结果分析：1、高频去噪和低频增强都取得了很好 的效果 2、重构后的图像不太理想存在问题：1、边缘模糊，低频模糊域增强引起 的。2、重构后图像对比度下降解决方法：1、改进模糊算法 2、改进重构方法，或对重构后的图像 进行处理,