正文医学多值图像去噪技术的研究及其实现

引言医学影像技术是现代医学中重要的组成部分，并且已经成为医学技术中发展最快的领域之一。它主要包括医学成像显示技术、医学图像分析处理技术和医学图像压缩传输技术三个主要方向。它的主要作用是：采集病人身体病变部位的信息并存储为相应的图像，通过对这些图像信息作进一步的分析、诊断，更加清晰、详细地获得和掌握病人的病情，从而可以更好地对病人开展进一步的治疗。保留的图像信息还可以作为日后诊断的参考。现代医学影像技术也已经使得远程医疗成为可能，极大地方便了病人和医生的沟通。传统的医学成像技术是以物理学和现代电子计算机技术为基础的，就成像机理而论主要包括：投影 X 射线成像、X 射线计算机断层成像、超声成像、放射性核素成像、磁共振成像、红外线成像等。随着计算机技术的进一步发展，基于信息摄影的三维成像技术也得到日益广泛的应用，从而进一步提升了医学诊断技术的清晰性和准确性。以数字图像处理技术和计算机技术为依托，医学图像的分析和处理是医学影像技术中极为重要的一个环节，它是使医生获得病人病情可靠信息的重要保证，也是医生开展进一步治疗的必要条件。对医学图像的分析处理主要包括：图像的预处理、特征提取、图像分割、图像配准、图像融合、纹理分析和伪彩色处理等。医学影像技术与数字图像处理技术是密不可分的，图 1 画出了医学图像分析处理的流程示意图： 预处理图像分割特征提取多视处理?配 准融 合伪彩色和二维显示匹配估测重 建三维显示是否图1 医学图像分析处理的基本流程在这个流程图中每个环节都是应用数字图像处理的理论和技术完成的，只是在处理过程中有时还需考虑到医学图像本身重要的特征。从医学图像分析处理的基本流程图中我们可以看到，图像的预处理环节在整个医学图像处理中处于第一处理环节，从不同成像仪得到的医学图像都存在着不同程度的噪声和干扰，这些噪声的存在势必影响对图像的进一步分析，图像的预处理结果直接关系着图像的质量及对后面处理环节的影响，因此，图像的预处理环节在整个医学图像分析处理中起着举足轻重的作用，所以在这一环节需要考虑使用相关的数字图像滤波方法将含在图像中的噪声滤除掉，从而为后面的分析打下良好的基础。在好的图像滤波算法下，图像预处理的结果就可以为医生分析图像提供良好的视觉环境本课题通过基于模糊熵的医学多值图像去噪滤波方法对医学图像进行去噪处理，以提高图像的对比度和清晰度来改善图像的质量，为医生诊断病人信息提供帮助，提高诊断的准确性。1绪论1.1 研究究医学图像去噪方法的意义医学图像由于不同的成像机理，得到的初始图像中都含有大量的不同性质的噪声，这些噪声的存在影响了人们对医学图像的观察，干扰了人们对图像信息的理解。噪声严重时候，图像几乎产生变形，更使得图像失去了存储信息的本质意义。因此对图像进行去噪处理，是正确识别图像信息的必要保证。除了能提高视觉识别信息的准确性，图像去噪的意义还在于它是对图像作进一步处理的可靠保证。如果对一幅含有噪声的医学图像进行特征提取、配准或者图像融合等处理其结果肯定不能令人满意。特别是对于医学图像处理来说，必须要求每一步有尽可能的准确性和可靠性。所以医学图像去噪是必需的，其意义如下： (1)虽然医学图像去噪技术是以一般数字图像处理技术为基础，但是医学图像本身具有自己的一些鲜明特征，这些特征正是医学图像所含有的特殊信息。在对医学图像进行去噪处理的时候必须尽可能地保留这些特征，这就需要我们研究新的算法，并且使得这些新算法在保留一般数字图像去噪性能的基础上还能满足医学图像去噪的特殊要求。(2)在医学图像去噪领域，传统方法呈百花齐放之态，但是这些方法并非十全十美，主要表现在去噪的同时对图像细节的丢失。因此进一步研究新的去噪方法或者完善已有的算法意义依然重大。(3)不同算法都有着不同的数学理论基础，对图像去噪的效果也表现不同。探求它们的内部机理，寻求相应的关系，研究不同算法之间如何取长补短，以达到更好的去噪效果，也是很有意义的。(4)研究图像去噪的同时对医学图像其他处理环节性能的提升也有着促进意义。1.2 研究现状现在社会的各个领域对图像处理的技术都有了很好的发展，而且也取得不错的成绩，特别在医学方面以及摄影领域都有长足的进步，由于图像处理在摄影领域的介入，使得传统摄影人将面临新的挑战。因为过去受到传统材料与器材的限制，我国传统的摄影人多数都精于前期摄影而疏于后期处理，并且心安理得地将摄影称为“遗憾的艺术”。现在面对着既懂摄影又通晓后期处理的新一代摄影人，传统摄影作品首先在技术质量上受到挑战：传统扩印与放大的照片在黑白场控制、色彩表现、影调与层次分配上已经明显不如数字处理后的照片。受到传统观念与技术条件的束缚，传统照片的表现方法也比较单一，缺乏足够的视觉冲击力。数字摄影是摄影技术上的一次革命，并且数字摄影独有的优势使得传统摄影不得不面临淘汰的威胁，而在我国这方面的技术还不够成熟，还需要更研究人员对图像技术进行研究，不断创新。 在医学领域方面，X射线影像器在医疗诊断系统中的重要应用就是图像去噪的突破性发展，而提高X射线探测效率、改善输出图像质量，使新型低强度X射线影像增强系统的图像质量和功能达到新水平，推动和扩展了它的应用领域，具有重大的现实意义。X射线影像器中提出的主要技术为参考阈值法滤波技术。它将滤波窗口内的像素灰度值与所有像素灰度平均值的绝对差值同阈值进行比较，根据比较结果决定滤波输出。这种滤波方法具有两个主要优点1)：能够有效地平滑掉X射线影像图像中的雪花点噪声；2)：可以避免如均值滤波所带来的严重细节模糊。而且在X射线影像器应用到医学领域的过程中，在现有的极值中值滤波和自适应滤波基础上，根据X射线影像图像特点，提出极值中值自适应滤波。根据判别标准将信息分为噪声和信号两类，再由空间相关性将噪声点由其邻域的中值取代，同时根据一些条件的变化,自适应地改变滤波窗口大小，更好地保护了图像细节，但由于在医学领域图像去噪技术还不够成熟，所以有待于进一步实验和测试研究，探索新的图像去噪滤波方法，在图像去噪处理技术方面寻求新的突破。我选择医学多值图像去噪技术的研究这个课题是因为图像去噪技术在各个领域都有了实质性的发展，但是其发展空间还是很大，还需要更多的人不断的完善它，发现更多更好的方法给我们处理各种图像带来更加简便有效的方法，通过对医学知识的了解，我进一步了解到图像去噪技术在医学领域有了重大突破，而且效果也非常明显。2图像噪声概述2.1 图像噪声的含义和分类（1）图像噪声的含义对于图像噪声，可以从两种角度来给它下定义:一种是从人的感观角度，认为图像噪声是妨碍人的感觉器官对所观察的图像信息进行识别和理解的因素;另一种是从数学角度，将图像信息看成是一个空间函数f，图像噪声就是使这个函数所表达的信息退化的因素，即在噪声的影响下，图像退化为。图像噪声按不同方法可以分成不同类别，从数学角度按照使图像退化的方式可分为加性噪声和乘性噪声，这两种关系可由下式表达: （2-1） （2-2）其中，n代表噪声，式（2-1）代表加性噪声，式（2-2）代表乘性噪声。（2）图像噪声的分类如果按照噪声产生的物理因素来划分，可以分成如下几类:(1)电子噪声:由图像采集电路阻性器件中的电子运动发热而产生的噪声。(2)光电子噪声:由图像的光电转换器引起，特别是在弱光的条件下，噪声尤为强烈。(3)感光颗粒噪声:一般存在胶片图像中。它是由于在胶片曝光和显影中，感光剂卤化银颗粒转化为金属银颗粒时的形状不均和分布的随机性造成的。(4)散斑噪声:在一些相干成像系统(如医学超声成像、合成孔径雷达成像、激光成像)中，由于声波或者光波的相干作用而在图像中产生的噪声。它还与成像组织表面的粗糙度有关系。按噪声的性质则可分为：高斯噪声(白噪声) 和脉冲噪声两类。在医学图像中，图像的噪声受到很多因素的影响,因此图像数据混有各种噪声,但主要表现为高斯噪声和脉冲噪声。因此，在本文中，我们主要对高斯白噪声和脉冲噪声进行实验来验证本文中提出方法的去噪的效果。2.2 图像噪声的衡量由于噪声的产生本身具有随机性，因此对一幅图像中包含噪声只能用统计学的方法进行描述，也即将噪声的产生看成是一个随机过程，描述噪声的整体性态就用这个随机过程的概率密度函数。但是很多情形下，噪声分布的概率密度函数是很难得到的，或者很难用某种数学函数式予以表达，在这种情形下就通常考察噪声分布的一些数字特征如噪声的均值，方差，相关系数等。此外还经常用信噪比S/N来衡量噪声的强度。在实验中，我们主要对噪声的均方误差、峰值信噪比、绝对误差进行衡量噪声以及分析恢复图像的质量和新方法的去噪效果。定义：信噪比： （其中和是信号和噪声的方差）3、典型医学图像噪声分析医学图像噪声可以认为是图像中不能反映组织器官或者病理区域的特征的纹理。下面阐述了一些典型的医学图像噪声产生的机理和特点。3.1超声图像噪声分析超声图像(Ultrasound Image)的产生主要是根据超声波的脉冲回波原理，当超声波在人的体内传播的时候,在人体的组织不均匀处或者不同性质的组织的交界处会产生反射和折射，由此产生不同强度的回波信号，对这些回波信号进行收集并通过相应的换能电路转化为强度不同的电信号，最后通过显示电路将电信号转换为灰度不同的图像信号。在超声图像的成像过程中，广泛的存在着散斑噪声，它的形成主要是因为成像过程中超声波的相互干涉作用，除此以外，它还与成像组织表面的粗糙程度有着密切的关系。从视觉角度看来，这种噪声在图像中呈斑点分布状。根据散斑的密度可以将这种噪声分成 3 种类型。从数学角度散斑噪声可以用广义 K 分布来描述，其概率密度函数为： （3-1）其中，是比例因子，v描述了回波信号的相干部分。对于充分显影的散斑噪声，散射粒子的数量 趋向无穷，此时的广义K 恒等于Rice分布，若此时 v =0，广义分布K 等于瑞利分布。从噪声的性质来分析，严格地讲，散斑噪声既包含乘性噪声的成分也包含加性噪声的成分，可由下式来表达： （3-2）但是大部分情形下加性噪声对图像的影响远小于乘性噪声的影响，所以可以将加性噪声忽略掉，最终认为散斑噪声是一种乘性噪声。3.2磁共振图像噪声分析磁共振成像（Magnetic Resonance Imaging）利用了磁共振的原理，它将人体置于一个磁场中并同时对人体施加一个一定频率的交变射频电磁波，这样就会引起被探查的质子发生共振并向外辐射共振信号，于是在接收线圈中就有感应电动势产生，对于人体不同部位，质子发生共振的频率不同，相对应产生的电动势也不同，最终经过相应的显示电路就形成了的灰度级不同的像素点，得到磁共振图像。从物理角度，磁共振图像噪声主要有两种来源：热噪声和随机噪声。热噪声的产生主要来源于接收线圈电阻和成像物体电阻中电子的热运动。J.B.Johnson 在 1928 年曾经对热噪声作了相关的实验研究，H.Nyquist 建立了热噪声理论，进一步研究表明热噪声的概率密度函数符合高斯分布。而磁共振图像的随机噪声来源于线圈电容器的阻抗效应，在高频电磁波的作用下，会在物体表面产生感应电流，从而又会削弱电磁波的强度，引起随机噪声的产生。总体说来，磁共振最终的噪声可以认为是符合瑞利分布的加性噪声35。它的概率密度函数是：