Curvelet變換及其在醫(yī)學(xué)圖像增強中的應(yīng)用研究.pdf

1、對于尋求二維沿邊緣不連續(xù)特征的最優(yōu)稀疏表達(dá)來說，Curvelet變換是一個值得研究的方法。二維圖像的主要特征由邊緣所刻畫，這時，小波變換并不是最優(yōu)的或者說最“稀疏”的函數(shù)表示方法，它只能檢測“過”邊緣的不連續(xù)，不能充分利用圖像本身所具有的幾何特征。為了有效地檢測、表示和處理這些特征，以Curvelet變換為代表的一類多尺度幾何分析方法被提出。把圖像做Curvelet分解，可以得到不同尺度、不同方向的Curvelet系數(shù)，這些系數(shù)代表了圖

2、像的所有特征信息，對它們進行表示和處理，可以用來進行圖像去噪、融合和增強等。
　　 成像時，因為人體組織各器官、組織對比度很低，醫(yī)學(xué)影像設(shè)備成像往往視覺效果很差，需要增強。為了增強對比度差的醫(yī)學(xué)影像，以X光圖像為例，基于數(shù)學(xué)定義嚴(yán)謹(jǐn)?shù)亩喑叨葞缀畏治龇椒–urvelet變換，給出了一種靈活的非線性增強函數(shù)，對部分系數(shù)進行增強。首先，估計待增強圖像噪聲，然后對X光圖像進行Curvelet分解，再在各精細(xì)尺度上對Curvelet系數(shù)按

3、所給的增強函數(shù)進行映射，大系數(shù)保持不變，中小系數(shù)被放大，根據(jù)需要對小系數(shù)進行衰減以抑制噪聲，最后根據(jù)修正后的Curvelet系數(shù)重建圖像。引入Canny邊緣檢測算子，對增強后的結(jié)果圖像進行邊緣檢測，作為對圖像增強效果的客觀評價手段。比較對比度受限自適應(yīng)直方圖均衡(CLAHE)、小波變換等增強方法的結(jié)果，實驗表明，根據(jù)所提出的增強函數(shù)，Curvelet變換能有效增強X光圖像邊緣對比度，細(xì)節(jié)清晰，噪聲小，與傳統(tǒng)方法比較，具有更好的直觀視覺效