（生物医学工程专业论文）基于无抽样方向滤波器组的图像处理算法研究.pdf

摘要 尽管以多尺度几何分析为代表的一类新型的2 d 函数最优表示方法正逐步成 为该领域的研究热点，但是，如何根据图像包含的几何特征来自适应地实现图 像任意方向的分解有待进一步解决。本论文研究工作着重从无抽样2 d 方向滤波 器组设计及其在图像处理中的应用上，丰富与完善多速率数字信号处理理论。 方向滤波器作为图像方向特征描述的重要工具，广泛应用于图像压缩、图 像增强、边缘检测和图像去噪等图像处理中。比如，在经典边缘检测算法中， s o b e l 算子、p r e w i t t 算子、l o g 算子等都归属于方向滤波器，但它们都仅局限于 水平、垂直和对角方向。在目前的图像表示方法中小波变换已被广泛接受，它 对处理一维分段光滑信号提供了一个非常稀疏或者说有效的表示方法，而小波 在高维应用中却表现出了局限性。在图像进行二维小波变换后，代表图像细节 的小波系数，即高频成分，表现在图像亮度值与周围区域有着强烈对比的边缘 上。值得注意的是，这些有意义的小波系数位置反映出图像几何关联性，形成 了简单的曲线。因此，二维小波变换能有效地捕获图像的边界点。但是因这些 边界点仅由一些孤立的点组成，很难形成描述这些边界的光滑曲线。这是因为 小波基仅对于零维点奇异值的目标函数是最优的，而对一维奇异性且光滑的图 像边界不是最优的。 b a m b e r g e r 和s m i t h 于1 9 9 2 年首次提出了方向滤波器组( d i r e c t i o n a lf i l t e r b a n k s ，d f b ) 设计，每个子带输出都具有特定的方向性，能较好地捕获图像的边 缘信息，由于对原始图像要进行多倍抽样，造成各子带图像分辨率与原图像不 同，并随着分解方向数的增加，子带图像分辨率越来越小，因此，它适用于图 像压缩等少量系数能量集中描述，但在图像增强、边缘检测和图像去噪等应用 中，还需对各子带图像进行插值恢复，获得相同分辨率的图像，便于各子带图 像之间进行统计特性分析，图像的抽样与插值在一定程度上会造成图像信息损 失，这在医学图像处理中，将影响临床诊断结果。因此，如何避免抽样与插值， 是方向滤波器设计与应用的一个主要问题。本文在具有抽样的方向滤波器组设 计基础上，提出一种无抽样方向滤波器组设计方法，即：由一维半带低通滤波 器先变换为二维低通滤波器，此二维低通滤波器为后面所有多方向滤波器设计 的基础，均是通过坐标变换或各滤波器之间的运算实现，由该二维低通滤波器 分别变换为象限滤波器和平行四边形滤波器，扇形滤波器由象限滤波器变换而 来，象限滤波器和扇形滤波器合成四方向滤波器，再与平行四边形滤波器合成 八方向滤波器，八方向滤波器再与平行四边形滤波器合成十六方向滤波器，更 多方向的滤波器也都可由以上各种滤波器经过不同的坐标变换以及各滤波器之 硕士学位论文 间的加减乘等运算得到。并将各种多方向频率域滤波器经过反傅立叶变换转化 成空间模板，此模板使用方法与s o b e l 算子、p r e w i t t 算子相同，直接与图像卷积 实现图像滤波，其滤波过程不需要对图像抽样、旋转等操作，只需设计滤波器 本身，所以，对图像进行方向分解时就避免了由于对图像抽样引起的混叠现象 以及其他失真现象，利用设计的各方向子带滤波器的空间模板对图像滤波实现 多方向分解，每个方向子带图像的分辨率均与原图像保持一致，免除插值恢复 过程，有利于在相同空间位置上对各子带图像像素进行统计特性的分析，同时， 可以减少由于对图像的插值引起的视觉失真现象，并且在方向子带图像各自独 立处理之后，直接相加合成，无需类似小波分析的反变换，操作简便。 本文针对两种不同的情况将无抽样方向滤波器的空间模板应用到图像增强， 一种是比较干净但纹理较模糊的图像，一种是带噪声的图像。对于前者，主要 利用本文设计的无抽样方向滤波器空间模板( d c c i m a t i o n - f x e ed i r e c t i o n a lf i l t e r b a n k ss p a t i a lo 脚璐，d f d f b o s ) ，提取最能代表原图像方向信息的方向子带系 数来实现增强；对于后者，将d f d f b o s 与多尺度分析相结合，针对不同的高频 信息( 分为强边缘、弱边缘和噪声) 分别进行处理。其增强结果较传统方法及 d f b 方法都有很大改善。采用c o n t o u r l e t 变换的思想实现图像去噪，与其不同的 是：在多方向分解时，利用本文设计的无抽样方向滤波器空间模板。实验结果 表明本文方法不仅有效地去除图像噪声、保留图像的边缘纹理信息，并很好的 减少了c o n t o u r l e t 变换去噪中无法避免的伪吉布斯现象( p s e u d o g i b b s p h e n o m e n o n ) 所引起的视觉失真，与现有阈值去噪方法相比，去噪后图像信噪 比明显提高，视觉效果明显改善。 关键词：无抽样方向滤波器组c o n t o u r l e t 图像增强图像去噪 i i i 硕士学位论丈 r e s e a r c hi ni m a g e p r o c e s s i n gb a s e d o n d e c i m a t i o n f r e ed i r e c t i o na lf i l t e rb a nk n a m e ：j i ez h a n g s u p e r v i s o r ：f e n gy a n g a b s t r a c t m u l t i r a t ed i g i t a ls i g n a lp r o c e s s i n gt h e o r y ，a so n eo ft h ei m p o r t a n tb r a n c h e si n d i g i t a ls i g n a lp r o c e s s i n gt h e o r y , w a sp r o p o s e di n2 0 mc e n t u r y7 0 s ，a n dh a sb e e n e x t e n s i v e l ys t u d i e db ym a n yd o m e s t i ca n df o r e i g ns c h o l a r s i t sa p p l i c a t i o ne x t e n d s f r o mv o i c es u b b a n dc o d i n g ( s b c ) t ot h ef i e l do fd i g i t a lc o m m u n i c a t i o n , i m a g e c o m p r e s s i o n , v i d e oc o m p r e s s i o n , c o m p u t e rv i s i o n , n o i s ec a n c e l l a t i o n , a n t e n n a s y s t e m sa n dm a n yo t h e rf i e l d s p a r t i c u l a r l y , f o rt h em o s tt y p i c a lm - b a n du n i f o r m m a x i m a l l yd e c i m a t e df i l t e rb a n k sf i b s ) i nm u l t i r a t es y s t e m ，t h er e s e a r c hh a sg o n e t h r o u g hf r o mt h ep r o p o s i t i o no fb a s i ct h e o r yt ot h er i c h , p e r f e c ta n dd e v e l o p m e n t t h ep r o c e s si sm o r eo b v i o u si nt h ef i e l d so fw a v e l e tt r a n s f o r m ( w da n d m u l t i r e s o h t i o na n a l y s i sq 依a ) ，w h i c hm a i n l ys t u d i e df b st h e o r y , i m p l e m e n t a t i o n s 仃u c t i l r e ，d e s i g nm e t h o da n da p p l i c a t i o n s i nt h ep a s tt w od e c a d e s ，m a n ys c h o l a r s f o c u s e do nl - df b st h e o r e t i c a ls t u d i e sa n dh a do b t a i n e df r u i t f u lr e s u l t s ，w h i c h f o c u s e do nt h er e s e a r c ho fs o m et y p i c a lf i l t e rb a n k s ：m - b a n dq u a d r a t u r em i r r o rf i l t e r b a n k s ( q m f b s ) 晰t l lp e r f e c tr e c o n s t r u c t i o n ( p r ) ，d i s c r e t ef o u r i e rt r a n s f o r mf i l t e r b a n k s ( d f t f b s ) a n dc o s i n em o d u l a t e df i l t e rb a n k s ( c m f b s ) e t c 1 1 圮t h e o r yo f 1 一dm b a n du n i f o r mm a x i m a l l yd e c i m a t e df i l t e rb a n k sa n dd e s i g nm e t h o d sh a v e r e a c h e dav e r ya d v a n c e ds t a g e i nt h ep a s tt e ny e a r s ，w eh a v em a d es i g n i f i c a n ta c h i e v e m e n t sa n db r e a k t h r o u g h s 摘要 i nt h es t u d yo f2 一df b s ，b u tt h ep r o b l e m sa b o u tt h et h e o r ya n dd e s i g no f2 - df b s h a v es of a rn o tw e l lb er e s o l v e d ，s u c h 弱c m f b s 谢t l ll i n e a rp h a s e ( l p ) a n dp e r f e c t r e c o n s t r u c t i o n ( p r ) t h i sl a r g e l yd e p e n d so nt h ef u r t h e rd e v e l o p m e n to f1 dl p p r c m f b st h e o r y a tt h es a m et i m e ，i ni m a g ea n dv i d e op r o c e s s i n g ，w eh a v en o t a t t a c h e di m p o r t a n c et ot h en o n s e p a r a b l e2 - df b s b e s i d e s ，w h i l e2 一df u n c t i o n r e p r e s e n t e db ym u l t i s c a l eg e o m e t r i ca n a l y s i sb e c o m e st h eh o ta r e ao fr e s e a r c h ，t h e r e i sn om e t h o dc a na d a p t i v e l yp e r f o r ma r b i t r a r yd i r e c t i o nd e c o m p o s i t i o ni nt e r m so f g e o m e t r i cc h a r a c t e r i s t i c so fi m a g e i nt h i sp a p e r , t h ew o r kf o c u s e do nt h ed e s i g no f d e c i m a t i o n - f r e ed i r e c t i o n a lf i l t e rb a n k sa n dt h e i ra p p l i c a t i o ni ni m a g ep r o c e s s i n gt o d e v e l o pm u l t i r a t ed i g i t a ls i g i 试p r o c e s s i n g a st h ei m p o r t a n tt o o ld e s c r i b i n gd i r e c t i o n a li n f o r m a t i o n , d i r e c t i o n a lf i l t e rh a s g a i n e di t sp o p u l a r i t yi na r e a sl i k ei m a g ec o m p r e s s i o n , i m a g ee n h a n c e m e n t , e d g e d e t e c t i o na n di m a g ed e n o i s i n g f o re x a m p l e ，i nt h ec l a s s i c a le d g ed e t e c t i o na l g o r i t h m ， s o b e l ，p r e w i t t a n d l o g a r en o r m a l l yu s e df o rd i r e c t i o n a la n a l y s i s b u tt h e s e m a s k sa r cl i m i t e dt ol o c a lo r i e n t a t i o no fh o r i z o n t a l ，v e r t i c a la n dd i a g o n a ld i r e c t i o n s i nt h ec u r r e n tm e t h o d so fi m a g er e p r e s e n t a t i o n , w a v e l e tt r a n s f o r mh a sb e e nw i d e l y a c c e p t e d w tp r o v i d e sav e r ys p a r s ea n de f f e c t i v er e p r e s e n t a t i o nf o rd e a l i n gw i t l l o n e d i m e n s i o n a l p i e c e w i s e s m o o t h s i g n a l s ，b u t i th a ss h o w nl i m i t a t i o nf o r h i g h - d i m e n s i o n a ls i g n a l s t h ep e r f o r m a n c eo ft h ew a v e l e tc o e f f i c i e n t si nt h ei n t e n s i t y i st h es t r o n gc o n t r a s tp o i n t s ( t h a ti si m a g ee d g e s ) 、析t l ls u r r o u n d i n gr e g i o nb y a n a l y z i n gi m a g ed e t a i l so b t a i n e db yi m a g e2 dw a v e l e tt r a n s f o r m i n g i ti sw o r t h n o t i n gt h a tt h el o c a t i o no ft h e s em e a n i n g f u lc o e f f i c i e n t ss h o w sg e o m e t r i cr e l e v a n c e t h e s ep o i n t sf o r ms i m p l ec u r v 髂t h e r e f o r e ，t h e2 一dw ti se f f e c t i v ei ns e i z i n gt h e b o r d e rp o i n t s ，b u tw ec a n ts e et h es m o o t h n e s sa l o n gt h e s eb o u n d a r yc u r v e s ，t h a ti st o s a y , t h e s ep o i n t sa r ei s o l a t e dp o i n t sb u tn o ts m o o t hc u r v e s t h er o o tc a u s eo ft h e d i s a d v a n t a g ei st h a tw a v e l e ti so p t i m a lo b j e c t i v ef u n c t i o nf o rt h eo - dp o i n t s , b u t e d g e sa r eu s u a l l ys m o o t hc u r v e s 谢t l l1 一ds i n g u l a r i t y t h e r e f o r e ，w a v e l e tb a s i si sn o t o p t i m a lf o rs m o o t hc u r v e s i n19 9 2 ，b a m b e r g e ra n ds m i t hd e v e l o p e dd i r e c t i o n a lf i l t e rb a n k s ( d f b ) f i r s t i t i sb e l i e v e dt h a te a c ho u t p u to fd f b sc o r r e s p o n d st og l o b a lf e a t u r e si ns o m ep a r t i c u l a r d i r e c t i o ni ns p a t i a ld o m a i n d f b sc a nc a p t u r et h ed i r e c t i o n a li n f o r m a t i o ne a s i l y d e c i m a t i o nt ot h ei m a g el e a d st od i f f e r e n tr e s o l u t i o nb e t w e e ns u b b a n di m a g e sa n d 硕士学位论文 i n p u ti m a g e i tw a s a l s om e n t i o n e di ns o m el i t e m t u r st h a ts u b b a n di m a g e s r e s o l u t i o n w i l ld e c r e a s e 、) r i t l lt h ed i r e c t i o nn u m b e ri n c r e a s i n g ，w h i c hi sn o tc o n v e n i e n tt o a n a l y z et h es t a t i s t i cc h a r a c t e ro fs u b b a n di m a g e s i ts u i t sf o ri m a g ei m p r e s s i o n , b u ti t n e e d si n t e r p o l a t i o nt oo b t a i nt h ei m a g ew i t i lt h es a m er e s o l u t i o na st h eo r i g i n a li m a g e i n i m a g ee n h a n c e m e n t , e d g e d e t e c t i o na n d i m a g ed e n o i s i n g m e a n w h i l e ， d e c i m a t i o na n di n t e r p o l a t i o nw i l ll e a dt ot h ei m a g ei n f o r m a t i o nl o s i n g ，e s p e c i a l l yi n m e d i c a li m a g e ，w h i c hw o u l da f f e c tt h ed i a g n o s i sr e s u l t s t h e r e f o r e ，h o wt oa v o i d d e c i m a t i o na n di n t e r p o l a t i o ni sa ni m p o r t a n tp r o b l e mi nd i r e c t i o n a lf i l t e rb a n k s a p p l i c a t i o n d e c i m a t i o n - f l e ed i r e c t i o n a lf i l t e rb a n k s ( d f d f b ) p r e s e n t e di nt h i sp a p e r s a t i s f yt h er e q u e s t t h ed e s i g nm e t h o do fd f d f bi sb a s e do nt h ed e s i g no fd f b t h e d e s i g np r o c e s si sa sf o l l o w s ：f a s t , w et r a n s f o r m1 - dh a l f - b a n df l t e ri n t o2 一dl o w p a s s f i l t e r t h i s2 一dl o w p a s sf i l t e ri st h eb a s i so fa l ld i r e c t i o n a lf i l t e r sw h i c ha 托o b t a i n e d b yc o o r d i n a t i o nt r a n s f o r ma n dc a l c u l a t i o nb e t w e e nf i l t e r s t r a n s f o r mt h e2 - dl o w p a s s f i l t e ri n t oq u a d r a n tf i l t e r sa n dp a r a l l e l o g r a mf i l t e r s f a nf i l t e r sa r eo b t a i n e db y t r a n s f o r m i n gq u a d r a n tf i l t e r s ；4 - b a n dd i r e c t i o n a lf i l t e r sa r es y n t h e s i z e db yq u a d r a n t f i l t e r sa n df a nf i l t e r s ；4 - b a n dd i r e c t i o n a lf i l t e r sa n dp a r a l l e l o g r a mf i l t e r ss y n t h e s i z e 8 - b a n dd i r e c t i o n a lf i l t e r s ；8 - b a n dd i r e c t i o n a lf i l t e r sa n dp a r a l l e l o g r a mf i l t e r s s y n t h e s i z e16 - b a n dd i r e c t i o n a lf i l t e r s ；m u l t i - b a n dd i r e c t i o n a lf i l t e r sa r eo b t a i n e db y t r a n s f o r m i n ga l ld i r e c t i o n a lf i l t e r sm e n t i o n e da b o v e t h e n , a l lf i l t e r si nf r e q u e n c y d o m a i nw e r et r a n s f o r m e dt os p a t i a lo p e r a t o r s ，w h i c ha r ec a l l e dd f d f b o s n o d e c i m a t i o nl e a dt on oa l i a s i n ga n df o l d i n g w ec a ng e te a c hs u b b a n di m a g e 、j i ，i 也t h e s a m es i z ew i t l li n p u ti m a g eb yc o n v o l v i n gi n p u ti m a g ew i t he a c hs p a t i a lo p e r a t o ri n t h es a m eb a n k m e a n w h i l e ，t h ea r t i f a c t sp r o d u c e dd u et op r e s e n c eo fd e c i m a t o r sa n d i n t e r p o l a t i o nw i l lb ea v o i d e db yu s i n gd f d f b o s s y n t h e s i sb yu s i n gd f d f b o s a t a n ys t a g ec a l lb ea c h i e v e db yj u s ts i m p l ya d d i n ga l lt h es u b b a n di m a g e s w c a p p l yt h ed f d f b 0 s t oi m a g ee n h a n c e m e n tf o rt w od i f f e r e n tc a s e s ，t h ef i r s t c a s ei sf o rc l e a ni m a g e sb u tw 汕b l u rt e x t u r e s ，t h eo t h e ri si m a g e s 、) i ，i mn o i s e i nt h e f o r m e rc a s e ，w ee x t r a c t e dt h ed i r e c t i o n a ls u b b a n dc o e f f i c i e n t sw h i c h w e r em o s t r e p r e s e n t a t i v eo ft h ed i r e c t i o ni n f o r m a t i o no fo r i g i n a li m a g e ；f o rt h el a t t e ro n e ，w e c o m b i n e dt h ed e c i m a t i o n - f r e ed i r e c t i o n a lf i l t e rb a n k ss p a t i a lo p e r a t o r s ( d f d f b o s ) 诵t i lm u l t i s e a l ea n a l y s i st op e r f o r md i f f e r e n tp r o c e s s i n gf o rd i f f e r e n th i g i l - f r e q u e n c y i n f o r m a t i o nw h i c hd i v i d e di n t os 仃o n ge d g e s ，w e a ke d g e sa n dn o i s e t h er e s u l t so ft h e 摘要 t w om 幽d s o u t p e r f o r mo t h e rc l a s s i c a lm e t h o da n dd f b i no b t a i n i n gc l e a rs t r u c t u r e t h i sp a p e ra p p l i e st h ei d e ao fc o n t o u r l e tt r a n s f o r mt oi m a g ed e n o i s i n g t h e d i f f e r e n c e 、析也c o n t o u r l e ti st h a td i r e c t i o n a la n a l y s i si sp e r f o r m e db yd f d f b o s t h e e x p e r i m e n t a lr e s u l t si n d i c a t et h a tt h em e t h o da v o i d sv i s u a ld i s t o r t i o nc a u s e db y p s e u d o - g i b b sp h e n o m e n o n , i sb e t t e rt h a n t h ee x i s t i n g d e n o i s i n ga l g o r i t h m s i n s m o o t h i n gn o i s e s ，p r e s e r v e si m a g et e x t u r e sa n dd e t a i l sa n di m p r o v e st h es n r o f i m a g e v i s u a le f f e c t sh a v eb e e ni m p r o v e ds i g n i f i c a n t l y k e y - w o r d s ：d e c i m a t i o n - f r e e ：d i r e c t i o n a lf i l t e rb a n k ；c o n t o u r l e t ；i m a g e e n h a n c e m e n t ；i m a g ed e n o i s i n g 南方医科大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得 的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个 人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。除与外单位合作项目将予以明确方式规定外， 本研究已发表与未发表成果的知识产权均归属南方医科大学。 本人承诺承担本声明的法律效果。 作者签名：溯毒 日期：m 年杉月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权南方医科大学可以将本学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于( 请在以下相应方框内打“ ) ： 1 、保密口，在一年解密后适用本授权书。 2 、不保密团。 作者签名：纭f 毒 日期：沙够年6 月 日 导师签名：对耐日期：加印年易月多日 硕士学位论文 第一章绪论 视觉活动是人类最重要的基本活动之一，人们在日常生活、工作学习和科研 中，无时无刻不在进行着视觉活动，2 0 世纪9 0 年代以来，数字技术和多媒体数 据通信迅猛发展，对图像的各种处理包括压缩【1 1 ，滤波，特征提取，图像增强【2 】 和图像去噪【3 j 等，变得非常重要。一般来讲，人们利用各种技术手段对这些图像 进行处理，主要目的有三个方面1 4 】：( 1 ) 提高图像的视觉质量，如进行图像的亮 度、色彩变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的 质量。典型应用包括图像增强、去噪等。( 2 ) 提取图像中所包含的某些特征或 特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利，如图像 分割、聚类、检索等。提取特征或信息的过程是模式识别或计算机视觉的预处 理。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、 纹理特征等。( 3 ) 图像数据的变换、编码和压缩，以便于图像的存储和传输。 纹理是图像的一个重要信息和基本特征，是进行图像分析和图像理解的重要 信息源。纹理反映了图像灰度模式的空间分布，包含了图像的表面信息及其与 周围环境的关系，更好的兼顾了图像的宏观结构与微观结构。因而图像纹理分 析在医学图像处理、卫星遥感、工业监控和计算机视觉等许多领域都有着广泛 的应用，是近年来的研究热点。纹理类别的多样性、纹理方向、纹理尺度等变 化都给纹理分析带来了很大的困难。本文研究的是一种新的多方向、多尺度分 析方法，解决了纹理方向变化给图像处理带来的困难。 1 1 不可分离2 - d 滤波器组 不可分离2 d 滤波器组为复杂纹理分析带来了方便，这里的不可分离指的是 2 d 滤波器组中采样矩阵的不可分离性，又指2 d 滤波的不可分离性【5 】【6 】，它与 可分离的2 d 滤波器组不同，可分离滤波器滤波时，采用1 d 技术分别处理信 号的行和列，可分离2 d 滤波器组和可分离2 dw t 变换【7 】【8 】具有较强的方向局 限性，仅具有水平、垂直和对角方向。多方向性的缺乏使其不能充分利用图像 本身的几何特性，从而影响到复杂纹理图像的分析。而2 d 不可分离滤波器组 克服了2 d 可分离滤波器组的缺点，图1 1 给出了传统w t 变换和近年来较流行 的c o n t o u r l e t 变换p j 频域分解的对比示意图。 第一章绪论 # ( d 瞒统、耵变换频谱划分( b ) c o n t o u r l e t 变换频谱划分 图1 - 1 可分离w t 变换和c o n t o u r l e t 变换对比示意图 f i g u r e1 - 1c o m p a r i s o nd i a g r a mo f s e p a r a b l ew t t r a n s f o r ma n dc o n t o u r l e tt r a n s f o r m 但是，传统的不可分离2 d 滤波器组进行图像分解时，采样过程及旋转等都 是对图像本身进行操作的，每个子带系数处理完毕后，再对各子带系数进行逆 变换才能得到所需要的图像。对图像本身的旋转等操作会带来对图像分解的不 便，并且各子带图像的分辨率不同【1o 】【1 1 】，不利于各子带图像进行统一处理，抽 样还会带来图像信息的丢失。 1 2 图像增强 图像增强是根据特定的需要通过增加图像灰度对比度或增强图像的纹理边 缘来突出图像的重要信息，同时抑制不需要的信息，从而有目的的强调图像的 整体或局部特征，改善图像的视觉质量，让观察者能够看到更加直接、清晰、 适于分析的信息。 由于增强后的图像质量好坏主要靠人的视觉来评定，而视觉评定是一种高度 主观的过程。因此，为了一种特定的用途而采用一种特定的处理方法，得到一 幅特定的图像，对其质量的评价方法和准则也是特定的。所以，很难对各种处 理给出一个通用的标准，也就是说，任何一种图像增强算法都只是在特定的场 合下才能达到较为满意的增强效果。本文主要针对医学图像进行增强，医学图 像的最大缺点就是图像细节的模糊性。本文针对图像模糊性来增强的，提高医 学影像细节的清晰度和层次感。 图像增强作为图像处理的重要组成部分，传统的图像增强方法对于改善图像 质量发挥了重要作用，可分为两大类：空间域方法和频域方法。“空间域 一词 是指图像平面自身，这类方法是以对图像的像素值直接处理为基础的，如线性 变换，直方图均衡化处理等。“频域 处理技术是以修改图像的傅氏变换为基础 的增强技术【1 2 1 。本文属频域增强方法，是先设计楔形的频域滤波器，这种滤波 2 硕士学位论文 器能较优的捕获图像的边缘纹理细节，为了使用方便，我们再将频域的滤波器 转换成空间模板，直接与图像卷积实现图像滤波。 1 3 图像去噪 成像过程受各种因素的影响，图像总是不可避免地存在噪声，因此如何有效 地去除噪声，提高图像质量，一直都是图像处理中主要研究问题之一，图像去 噪应满足以下条件【1 3 】： 保持边缘纹理细节信息，使其损失最小。 有效去除均质区域的噪声。 由于图像的频谱主要集中在低频段，而噪声频谱通常均匀分布在中高频率 段范围内，所以常用的方法是采用衰减高频的低通滤波来实现图像去噪处理。 去噪的方法基本上也可分为空间域法和频率域法两大类，其中，空间域法又分 两类，一类是对图像作逐点运算，称为点运算，另一类是在与处理像点邻域有 关的空间上进行运算，称为局部运算；频域法是在图像的变换域上进行处理， 增强感兴趣的频率分量，然后进行反变换，得到增强了的图像。空间域常用方 法有：均值滤波( 即邻域平均法) ，中值滤波和空间域低通滤波。而频率域最常 用的是频域低通滤波。 在实验中，一般采用( 峰值) 信噪比的大小来客观评价图像去噪的效果，本 文的信噪比定义为： 册=10109器(其中，df=inpest)(1-1)mean(dif(：)2 ) 其中，i n p 为原( 干净) 图像，e s t 为去噪后图像，v a r o 表示向量的方差，? ? l e a n 0 表示向量的均值。 1 4 本文的研究内容 本文详细介绍了无抽样方向滤波器组的设计过程，并分别将其应用到医学 图像增强与图像去噪中。本文的主要研究工作包括： 研究了具有抽样的方向滤波器组( d i r e c t i o n a lf i l t e rb a n k s ，d f b ) 的设计 思想和设计过程，并研究了c o n t o u r l e t 变换的原理。 3 第一章绪论 在上述基础上，详细介绍了无抽样的方向滤波器组的设计过程，以及各 方向滤波器转换成空间模板的过程。 详细研究了无抽样方向滤波器组在图像增强和图像去噪中的应用。在图 像增强中，本文针对两种不同的情况对图像进行增强，对比较干净但纹理模糊 的图像，利用本文设计的空间模板及各方向子带系数的统计特性，提取最能代 表原图像方向信息的方向子带系数来实现增强；对带噪声的图像，针对不同的 高频信息( 强、弱边缘和噪声) 特征，分别进行不同处理来实现增强。两种方 法针对不同的问题均取得良好的增强效果，层次结构清晰，视觉效果有了显著 改善。在图像去噪中，无抽样方向滤波器组空间模板( d e c i m a t i o n f r e ed i r e c t i o n a l f i l t e rb a n ks p a t i a lo p e r a t o r s ，d f d f b o s ) 与拉普拉斯金字塔( l a p l a c i a np y r a m i d ， l p ) 结合，由于d f d f b o s 具有平移不变性，因此，减少了伪吉布斯现象引起 的视觉失真，与c o n t o u r l e t 变换比较，明显改善了图像视觉效果，显著提高了图 像的s n r 值。 1 5 本文的结构 本文对于无抽样方向滤波器组的设计及其在图像增强和图像去噪中的应用 的研究，全文共分为六章： 第一章介绍了本文研究的基本问题，如：不可分离2 d 滤波器与可分离滤波 器的不同之处，图像增强和去噪的一般实现方法的评价方法，并对本文的工作 和内容的组织结构进行了说明。 第二章回顾了基于抽样与插值的方向滤波器组( d f b ) 【6 】设计原理，简要说 明c o n t o u r l c t 变换的分解方式，并分析它们两者之间的关系。 第三章介绍本文无抽样方向滤波器组设计过程，并将各频率域2 d 方向滤波 器转化为空间模板，对d f d f b o s 做了验证性实验，以证明本文设计的d f d f b o s 的正确性。 第四章介绍了基于d f d f b o s 的图像增强算法，本文介绍了两种方法，一种 方法是直接利用d f d f b o s ，适用于无噪声或者纹理模糊的图像，另一种方法是 与拉普拉斯变换结合，对不同频率成分的图像分别进行增强处理，适用于含噪 声