Curvelet变换及其在医学图像增强中的应用研究-论文-万方医学网

Curvelet变换及其在医学图像增强中的应用研究

二维码有效期 120s

收藏纠错

摘要对于寻求二维沿边缘不连续特征的最优稀疏表达来说，Curvelet变换是一个值得研究的方法。二维图像的主要特征由边缘所刻画，这时，小波变换并不是最优的或者说最“稀疏”的函数表示方法，它只能检测“过”边缘的不连续，不能充分利用图像本身所具有的几何特征。为了有效地检测、表示和处理这些特征，以Curvelet变换为代表的一类多尺度几何分析方法被提出。把图像做Curvelet分解，可以得到不同尺度、不同方向的Curvelet系数，这些系数代表了图像的所有特征信息，对它们进行表示和处理，可以用来进行图像去噪、融合和增强等。<br>　　成像时，因为人体组织各器官、组织对比度很低，医学影像设备成像往往视觉效果很差，需要增强。为了增强对比度差的医学影像，以X光图像为例，基于数学定义严谨的多尺度几何分析方法Curvelet变换，给出了一种灵活的非线性增强函数，对部分系数进行增强。首先，估计待增强图像噪声，然后对X光图像进行Curvelet分解，再在各精细尺度上对Curvelet系数按所给的增强函数进行映射，大系数保持不变，中小系数被放大，根据需要对小系数进行衰减以抑制噪声，最后根据修正后的Curvelet系数重建图像。引入Canny边缘检测算子，对增强后的结果图像进行边缘检测，作为对图像增强效果的客观评价手段。比较对比度受限自适应直方图均衡(CLAHE)、小波变换等增强方法的结果，实验表明，根据所提出的增强函数，Curvelet变换能有效增强X光图像边缘对比度，细节清晰，噪声小，与传统方法比较，具有更好的直观视觉效果和边缘裣测结果。