检索历史 清除

摘要随着图像处理技术的迅速发展，图像处理被应用到了越来越多的领域。在医学图像处理领域，医学图像去噪对于后续处理过程来说是很重要的一个环节。由于超声成像原理的限制，斑点噪声在医学超声图像中是固有的，这严重降低了超声图像的质量。早期的基于线性理论的图像去噪方法在处理低分辨率的超声图像时效果并不是很理想。近几十年来，各种各样的非线性算法不断发展壮大起来，如小波理论、概率理论、形态学、人工神经网络、偏微分方程以及模糊理论等等。这些非线性算法在图像处理领域成为了有力的解决问题的数学工具，促进了图像处理领域的进一步发展，成为近年来的研究热点。<br>　　本文的主要研究对象为颈动脉超声图像，为了使临床医生更好的根据超声图像判断颈动脉是否存在恶性斑块，所以需要对超声图像进行去噪处理，提高诊断准确率。为此，本文根据超声图像的特点，分析对比了现有的去噪算法，对医学超声图像去噪算法进行了比较深入的研究。主要工作如下：<br>　　（1）本文深入研究了粒子群优化算法，并将几种改进的粒子群优化算法与标准粒子群优化算法（Standard Particle Swarm Optimization，SPSO）进行实验对比，其中混沌变异粒子群算法（Chaotic Mutation Particle Swarm Optimization，CMPSO）的寻优速度最快、寻优结果总体上最接近理想值，寻优效果最为稳定，避免了陷入局部最优解的问题，寻优性能要优于其他几种改进的算法和SPSO算法。该算法将混沌优化算法与粒子群优化算法相结合，本文将该算法应用到确定扩散系数的阈值当中，具有很好的效果。<br>　　（2）本文提出了一种改进的基于模糊逻辑的医学图像去噪算法。该算法把改进的PM方法中的扩散系数看作像素梯度对于图像平滑区域的模糊隶属度函数，并通过定义合理的模糊隶属度函数，使得对八个方向像素梯度采用合适的扩散系数。实验结果表明，该算法在去除噪声的同时，能更好地保持图像的边缘细节，具有较好的处理效果。