基于小波分析的醫(yī)學圖像增強_第1頁
基于小波分析的醫(yī)學圖像增強_第2頁
基于小波分析的醫(yī)學圖像增強_第3頁
基于小波分析的醫(yī)學圖像增強_第4頁
基于小波分析的醫(yī)學圖像增強_第5頁
已閱讀5頁，還剩12頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

基于小波分析的醫(yī)學圖像增強學院#######學院專業(yè)########姓名###指導老師###論文結(jié)構(gòu)引言(簡要介紹醫(yī)學圖像增強的研究背景及意義)算法原理(簡單介紹了本文所用到的數(shù)學知識)算法流程(提出了一種基于小波變換的模糊域增強算法)結(jié)果與討論（對圖像增強傳統(tǒng)方法與本文所用算法進行比較，驗證了該算法的可行性和優(yōu)越性）

結(jié)束語1、引言醫(yī)學影像是醫(yī)生臨床診斷和治療的重要輔助手段醫(yī)學圖像在采集、傳輸中會引入大量噪聲為了提高圖像的可讀性，進行更有效的觀察和診斷，對其進行計算機處理（去噪、增強）就顯得非常必要2、研究現(xiàn)狀傳統(tǒng)方法：頻域濾波（低通濾波、wiener濾波），空域濾波（中值濾波）新方法：1、經(jīng)典的圖像增強方法的改進

2、基于小波變換的圖像增強技術(shù)

3、基于神經(jīng)網(wǎng)絡、模擬退火法、遺傳算法的圖像增強技術(shù)

4、基于數(shù)字形態(tài)學的圖像增強技術(shù)，如基于粗糙集理論、模糊數(shù)學的增強方法。3、算法流程圖4、結(jié)果與討論軟閾值去噪圖像的噪聲主要分布在高頻區(qū)域經(jīng)小波分解后，信號的小波系數(shù)幅值要大于噪聲的系數(shù)幅值，可以認為，幅值比較大的小波系數(shù)一般以信號為主，而幅值比較小的系數(shù)在很大程度上是噪聲軟閾值函數(shù)模糊域增強模糊子集，隸屬函數(shù)

設U=(x)是一個集合，μ(x)是定義在U上并在[0,1]區(qū)間中取值的一個函數(shù)，則μ(x)刻劃了U中的一個模糊子集A，我們稱U是論域，A是U的模糊子集，μ(x)是A的隸屬函數(shù)。最大隸屬度原則最大隸屬度原則就是認為元素隸屬于隸屬度最大的集合。模糊域增強流程圖F：隸屬函數(shù)T：模糊增強算子F’：逆映射（F的反函數(shù)）隸屬函數(shù)F：

其中模糊增強算子T：逆映射F’：低頻分量增強效果重構(gòu)結(jié)果討論結(jié)果分析：1、高頻去噪和低頻增強都取得了很好的效果

2、重構(gòu)后的圖像不太理想存在問題：1、邊緣模糊，低頻模糊域增強引起的。

2、重構(gòu)后圖像對比度下降解決方法：1、改進模糊算法

2、改進重構(gòu)方法，或?qū)χ貥?gòu)后的圖像

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論