首页 > 文献资料
-
锥形束CT图像去噪与重建算法的研究进展
随着图像引导放疗技术(Image Guided Radiotherapy,IGRT)在临床应用中的不断推广,锥形束CT(Cone Beam CT,CBCT)以其开放式架构,可直接获得三维图像等优点,已成为目前IGRT开发和应用的热点技术之一.本文简单介绍了CBCT成像系统的组成与特点,重点分析比较了近年来常用的去噪与重建算法的具体原理及优缺点,并对其发展趋势做了总结与展望.
-
基于时空曲率正则化的细胞图像序列去噪
目的 显微细胞成像系统获取的图像序列由于光照、电磁干扰等因素的影响,不可避免地存在一定程度的噪声,消除噪声得到清晰的细胞图像是后续细胞形态特征提取和分析的首要步骤.本文引入细胞图像序列的时域信息来构建时空曲率正则化约束,以实现细胞图像序列的去噪处理.方法首先,利用细胞图像序列的空域和时域相关性,构建基于时空曲率正则化的图像序列去噪模型;然后,通过增广拉格朗日乘子法实现模型的优化求解;后,分别通过对叠加有不同高斯白噪声水平的纤维母细胞和多能干细胞图像序列进行去噪实验,以验证去噪效果.结果与总变分去噪法、三维阈值剪切去噪法和空间曲率正则化去噪法相比较,基于时空曲率正则化的细胞图像序列去噪方法应用于2组细胞图像序列去噪的视觉效果,及峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(structural similarity,SSIM)都优于其他3种方法.结论与其他3种去噪方法相比,此方法更加充分利用了细胞图像序列的时域信息,去噪后能有效地维持图像对比度,振铃效应不明显,对高斯噪声具有更好的适应性和稳定性,可应用于细胞形态变化检测的前期处理阶段.
-
基于小波变换的事件相关电位少次提取方法
本文以反映大脑稀少认知事件的相关电位P300为例,介绍了基于小波变换(wavelet transform,WT)进行事件相关电位(event related potential,ERP)少次提取的原理、仿真和实验结果.通过小波变换先去除与ERP混杂的EEG背景干扰,然后对消除干扰后的脑电数据进行重构和ERP波峰检测,在此基础上尝试修正ERP波峰的潜伏期时移,再通过小波重构获得通常需多次相干平均才能得到的ERP波形.仿真计算和实验数据分析结果说明小波分析具有较强的ERP峰值检测和潜伏期模式识别能力,值得进一步在临床工程中深入研究和应用推广.
-
基于ICA方法去除人工耳蜗ERP信号伪迹的研究
目的：人工耳蜗植入者的听觉诱发电位含有较大的伪迹信号，影响了其在人工耳蜗植入后的效果评估。功能成像方法由于安全问题和介入性等特点，不适用于人工耳蜗植入者。本文利用独立成分分析（ independent component analysis，ICA）去除人工耳蜗伪迹，为进一步利用听觉诱发电位信号客观评价人工耳蜗植入者言语识别能力和人工耳蜗植入效果提供便利。方法采用经典 Oddball 模式，分别以言语声/ba/和/da/为标准刺激和偏差刺激，测量人工耳蜗植入者的听觉事件相关电位（ event-related potential，ERP），采用 ICA方法去除 ERP信号中人工耳蜗造成的伪迹，并分析其独立成分的时域波形和脑地形图特征。本文对10例人工耳蜗植入6个月的受试者进行 ERP测试，并比较了 Infomax和Jade两种算法去除人工耳蜗伪迹的效果。结果根据独立成分的时域波形和脑地形图特征，可以将人工耳蜗伪迹对应的独立成分识别出来。人工耳蜗伪迹独立成分的时域波形类似于一个基座，其脑地形图显示在植入侧有较高的电位。去除人工耳蜗伪迹后的 ERP波形显示出原始的形态。Infomax算法能够更有效地去除 ERP信号中的人工耳蜗伪迹。结论 ICA方法可以有效地将人工耳蜗伪迹从人工耳蜗植入者的 ERP信号中分离出来。
-
基于小波变换的脉搏波信号去噪
人体脉象信号是一种信噪比较低的非平稳随机信号,在分析脉象信号之前去噪是一项十分重要的工作.针对小波变换中的阈值法进行公式上的改进,并利用ZM-IIIC型智能化中医脉象仪采集到的亚健康人群左关外桡动脉脉搏信号进行去噪处理,实验结果表明,改进后的阈值法可以取得更好的去噪效果.
-
改进Wiener滤波弥散加权磁共振图像Rician噪声复原
针对弥散加权磁共振图像噪声呈Rician分布,现有Wiener滤波基于高斯分布易于产生误差的缺陷,以及弥散加权磁共振图像多相近磁场方向数据共存特点,综合多相近磁场方向的弥散加权磁共振图像进行Wiener滤波复原,并将现有针对高斯噪声的Wiener滤波器基于Rician噪声分布进行改进,后在估计复原参数的过程中引入各向异性概念提高复原参数估计的准确性,进一步提高复原质量.使用本方法分别在合成和真实脑部弥散加权磁共振图像上进行的仿真和实验表明,本方法能有效降低噪声对弥散加权磁共振图像的影响,提高由此计算获得弥散张量磁共振图像的大小和方向信息,在10％ Rician噪声下,弥散加权磁共振图像的峰值信噪比提高10 dB,由此计算获得弥散张量磁共振图像角度平均偏移下降5度,可保障后续应用的准确性和可靠性.
关键词： 弥散加权磁共振图像 去噪 改进Wiener滤波 Rician噪声 -
面向心电信号去噪的正交小波构造方法
为更好地去除心电信号的肌电干扰,设计出专门用于心电信号处理的正交小波(心电小波).首先,为满足正交性要求,对小波滤波器系数进行参数化设计;其次,用参数化的小波滤波器系数逼近QRS模板并构造出目标函数,在此基础上以消失距作为约束条件得到优化模型;后,采用拉格朗日乘子法对模型进行求解.从光滑性、与心电信号的相似性、重构误差以及频响特性等方面,对构造出的小波性能进行评估,结果表明,相对于db和sym系列的小波,心电小波可以获得更好的综合性能.当将该算法用于MIT-BIH数据库中的心电信号去噪时,能够抑制加性噪声的干扰,使信噪比提高10.32dB.根据应用对象设计正交小波的方法,为其他专用小波设计提供新思路.
-
自适应提升小波用于心电信号除噪
人体心电信号随着检测状态及时间的变化显示出明显的非平稳性并伴随着大量的干扰信号.提升小波能很好的对心电信号进行时频定位,并且其运算速度比传统小波高出许多.本研究以提升小波变换为基础,构造了一种基于尺度的自适应提升小波,用它对心电信号(ECG)进行分解,使不同频带的信号显示在小波分解的不同尺度上,并在信号重构时利用一种新的阈值方法去除不同尺度上的干扰信号,从而获得较精确的心电波形,为心电信号的进一步处理奠定了基础.
-
基于Contourlet域Context模型的磁共振图像去噪方法
磁共振图像(MRI)广泛地应用在医学诊断上,但由于噪声的影响存在,一些重要的信息被淹没.目前,人们把小波应用在磁共振图像的去噪上,但是由于小波方向性不足,常用的一些经典方法门限选择不够恰当,造成处理后,图像纹理特征被弱化,图像边缘变得模糊.本文利用contourlet变换,构建context模型,来实现磁共振图像的去噪.仿真实验结果表明,本方法是有效可用的,与其它方法比较,具有更高的PSNR值和较优的视觉效果.
关键词： Contourlet变换 Context模型 磁共振图像 去噪 -
一种视频编码中去低照度噪声方法
提出了一种消除低照度、中慢速运动视频序列中噪声的方法.在编码的不同阶段采取不同的滤波方法:在预测编码阶段,对于帧内块利用空域相关信息采取高斯去噪方法,对于帧间块利用时域相关信息采取运动补偿去噪策略;在变换编码阶段,采取8×8整数DCT变换的方法,在量化中去除高频噪声.实验结果表明了方法的有效性,降低了码流.
-
能谱CT图像的背景噪声和伪影消减
能谱CT通过获得不同能量X射线照射物体的透射数据,重建出不同能量下的断层图像和原子序数、电子密度图像.但是为了减小病人的照射剂量,通常我们会降低能谱CT获得的单能透射光子数,重建的图像不可避免地存在较高的噪声和伪影.本文以双能CT数据为例,介绍一种图像后处理算法:利用大多数物质线衰减系数随X射线能量升高而降低的物理规律识别图像中的伪影,并根据先验知识将图像背景中的噪声和伪影消除.此方法可直接扩展到多能.我们通过模拟数据和实验数据对方法的有效性进行了验证,证明算法可以明显减少图像中伪影的影响,提高能谱CT图像质量.
-
优化平稳小波变换去除功能MRI数据噪声的方法
目的 通过优化小波变换多分辨率去噪方法,在保持一定灵敏度的条件下,降低假阳性率.方法 在小波重构时较原来的方法保留更多的小波尺度,对原有方法的分析结果进行多人平均,并用模拟数据和视觉实验数据对这些方法进行验证.结果 分析模拟数据显示,在α＜0.01条件下,本文方法能在保持一定灵敏度的基础上有效地克服原有方法假阳性率高的缺点.分析实验数据显示,以SPM2为标准,在α＜0.001条件下,本文方法能给出既灵敏又相对准确的结果.结论 本文方法能同时兼顾灵敏度和准确度,是原有方法的一种优化.
-
基于ICA的脑电信号去噪方法研究与应用
目的 在脑电信号的采集和处理过程中,受到各种各样噪声的影响,为有效地提取和分析检测信号中的有用信息,提出采用独立分量分析(independent component analysis, ICA)的方法对脑电信号进行去噪处理.方法 工频噪声、心电伪迹以及脑电波源信号之间的关系是统计独立的,满足ICA方法的分离条件,可将脑电信号去噪问题转化为独立分量分离问题,通过构造与工频噪声频率相同的正交正弦和余弦信号作为对工频噪声的参考信号,将构造的两个参考信号和心电信号以及含噪脑电信号作为ICA中混合矩阵的输入信号,采用收敛速度快的FastICA算法把脑电信号中的工频噪声和心电伪迹作为独立信号分离出去,得到去噪后的脑电信号.结果 通过ICA方法对噪声进行分离后,脑电信号中的两种噪声基本被消除,并且可很好地保留脑电信号有用成分.结论 将ICA的方法用于去除脑电信号中的多种噪声成分是有效的、可行的.
-
fMRI数据去噪处理对FastICA检测精度的影响
目的 探讨fMRI数据中白噪声及去噪预处理方法对于采用FastICA算法检测人脑激活区精度的影响.方法 采用模拟和真实fMRI数据进行测试.实验重复50次,以比较未去噪、高斯平滑和两种正交小波方法去噪预处理后FastICA算法分离激活信号的能力.对不同阈值条件下检测的激活体素进行统计分析.用ROC曲线评价检测质量.结果 模拟实验显示,当fMRI数据的SNR为15 db时,去噪预处理能显著提高FastICA检测准确率;SNR为20 db时,去噪对提高FastICA检测准确率影响较小.采用不同的小波基及不同参数去噪处理结果差异较大,存在经db4小波去噪处理后激活区检测结果的敏感度和特异度反而降低的现象,但随着激活区减小.这种现象消失.结论 对于FastICA而言,小波去噪与传统的高斯平滑方法相比未显示出更好的敏感度和特异度;在低SNR情况下,有必要进行去噪预处理;在高SNR情况下,不恰当的去噪方法反而可导致FastICA检测精度降低.
-
基于小波极大模值信息的医学图像去噪方法
目的 利用小波变换进行医学图像去噪.方法 通过分析二进小波变换下小波极大模值的特点,即信号的极大模值往往会大于噪声的极大模值,而且噪声的极大模值会随着尺度增大而急剧减少,信号的极大模值却改变很小,由此构造了更有效的去噪准则,即根据不同尺度上的极大模值信息,选择不同的域值来滤除噪声.结果 应用该方法进行医学图像去噪,能保持较高的峰值信噪比、图像细节和边缘特征以及图像清晰度.结论 基于小波极大模值信息的去噪方法能有效地降低医学图像中的噪声.
-
航天飞行中心电信号去噪方法研究
目的 寻找适合载人航天需要的心电信号去噪方法.方法 通过研究载人航天过程中心电信号的噪声特性,提出将小波变换和形态滤波级联的去噪方法. 结果 通过实际应用和仿真对比实验结果表明,本文提出的将小波变换和形态滤波级联的方法,能有效地去除载人航天过程中心电信号的噪声.结论 将小波变换级联形态滤波的去噪方法应用到载人航天过程中是可行的.
-
基于EM算法参数估计的各向异性扩散超声图像的去噪
目的 提出一种各向异性扩散滤波器的扩散参数选取方法,提高滤波器的灵活性和稳定性.方法 使用二状态的瑞利、高斯混合分布对超声图像灰度分布进行拟合,并采用期望值大化(expectation maximization,EM)算法实现混合分布的分解;根据分解结果预测图像中斑点噪声均匀分布的区域;通过对均匀区域统计特性的分析获取各向异性扩散的扩散参数.结果 通过与两种改进扩散参数选取的滤波方法对比,基于EM算法的混合分布分解能够准确地估计扩散参数,使滤波结果在噪声消除和边缘保持上达到有效的平衡.结论 基于EM算法参数估计的各向异性扩散是一种有效的超声图像去噪方法.
-
数字图像去噪技术及其在PET图像处理中的应用和局限
目的：经过对于数字图像处理的简单回顾与分析，提出数字图像去噪技术在医疗领域应用存在的局限及对策。方法：不同的医学影像设备使用同样的数字图像处理方法，并不能得到优的图像处理效果。结果：针对CT、MRI、PET不同的设备采取不同的处理方法。结论：只有根据医学图像的成像特点和临床工作的实际需要设计和规划数字图像处理的方式和方法才能得到优效果。
关键词： 数字图像处理 去噪 电子计算机断层扫描 磁共振成像 正电子发射型计算机断层显像 -
雷达数据预处理算法研究
目的:对多普勒雷达原始数据进行预处理.方法:利用K-邻域频数法分析不同参数的选取对于结果的影响,并结合雷达原始资料的实际情况,在参数的选取方法上进行了优化,并用不同的窗口大小去适应不同的区域.结果:在速度退模糊起始点的选择上做了补充,使得去噪补缺的效果更好,速度退模糊的效果大大改善.结论:提出了寻找退模糊起始点的方法.
-
基于小波的体表胃电去噪
体表胃电信号是研究胃动力学特性和功能性胃疾病诊断的重要依据.本文在介绍了小波去噪基本理论的基础上,把小波变换应用于体表胃电信号去噪处理中.结果表明:小波去噪方法可以去除体表胃电中的高频噪声,从而有效地改善信噪比及提高了信号的分辨率.
