基于小波分析的醫(yī)學(xué)圖像增強(qiáng)

基于小波分析的醫(yī)學(xué)圖像增強(qiáng)學(xué)院#######學(xué)院專業(yè)########姓名###指導(dǎo)老師###論文結(jié)構(gòu)引言(簡(jiǎn)要介紹醫(yī)學(xué)圖像增強(qiáng)的研究背景及意義)算法原理(簡(jiǎn)單介紹了本文所用到的數(shù)學(xué)知識(shí))算法流程(提出了一種基于小波變換的模糊域增強(qiáng)算法)結(jié)果與討論（對(duì)圖像增強(qiáng)傳統(tǒng)方法與本文所用算法進(jìn)行比較，驗(yàn)證了該算法的可行性和優(yōu)越性）

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

2、基于小波變換的圖像增強(qiáng)技術(shù)

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

4、基于數(shù)字形態(tài)學(xué)的圖像增強(qiáng)技術(shù)，如基于粗糙集理論、模糊數(shù)學(xué)的增強(qiáng)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(hào)的小波系數(shù)幅值要大于噪聲的系數(shù)幅值，可以認(rèn)為，幅值比較大的小波系數(shù)一般以信號(hào)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(qiáng)模糊子集，隸屬函數(shù)

設(shè)U=(x)是一個(gè)集合，μ(x)是定義在U上并在[0,1]區(qū)間中取值的一個(gè)函數(shù)，則μ(x)刻劃了U中的一個(gè)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(rèn)為元素隸屬于隸屬度最大的集合。模糊域增強(qiáng)流程圖F：隸屬函數(shù)T：模糊增強(qiáng)算子F’：逆映射（F的反函數(shù)）隸屬函數(shù)F：

其中模糊增強(qiáng)算子T：逆映射F’：低頻分量增強(qiáng)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(qiáng)都取得了很好的效果

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

2、重構(gòu)后圖像對(duì)比度下降解決方法：1、改進(jìn)模糊算法

2、改進(jìn)重構(gòu)方法，或?qū)χ貥?gòu)后的圖像