摘 要：針對當(dāng)前算法在抑制醫(yī)學(xué)影像圖像的噪聲、精準(zhǔn)地確定閾值方面不太理想，本文研究了小波分析算法的數(shù)學(xué)模型，利用仿真軟件對小波分析除噪算法的實現(xiàn)進(jìn)行了設(shè)計研究，探討了合適的除噪方法。進(jìn)一步對小波閾值不同門限降噪方法的處理結(jié)果進(jìn)行了仿真比較研究，表明利用小波分析的醫(yī)學(xué)影像圖像除噪效果較好，便于實現(xiàn)。

關(guān)鍵詞：小波分析;醫(yī)學(xué)影像圖像;小波閾值;除噪

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼： A

文章編號?1000-5269（2020）05-0078-04???DOI：10.15958/j.cnki.gdxbzrb.2020.05.12

隨著科技的進(jìn)步，現(xiàn)代醫(yī)學(xué)治療設(shè)施的完善，醫(yī)學(xué)影像是醫(yī)務(wù)人員臨床診斷和治療的重要輔助手段，對疾病的早期預(yù)防起著至關(guān)重要的作用[1-3]。小波閾值法圖像除噪以良好的時頻特性在圖像除噪方面也受到了研究者的廣泛青睞[4-6]。圖像信息經(jīng)過小波變換之后，有用信號的能量集中于幅值較大的小波系數(shù)上，而噪聲的能量則分布在整個小波域中[7-10]。劉時華等[11]分析了小波對普通信號的去噪效果;王爭等[12]探討了一種基于遺傳優(yōu)化函數(shù)曲線的小波閾值法GOCWT;采用MATLAB小波分析函數(shù)，通過默認(rèn)閾值和指定閾值處理等方法對一維形式的含噪信號除噪處理得到研究[13];董利娜等[14-15] 通過小波除噪算法實現(xiàn)了使心臟CT數(shù)據(jù)集除噪及應(yīng)用小波理論，把低劑量X射線CT醫(yī)學(xué)影像圖像從低頻和高頻等兩方面進(jìn)行多分辨率分解分析，對其除噪效果的有效性進(jìn)行了探討研究;申莎莎[16]對基于小波變換的除噪方法進(jìn)行了重點分析，對閾值除噪方法，軟、硬閾值，閾值選取進(jìn)行研究;傅偉等[17]在小波除噪的基礎(chǔ)上利用方差不變性變換將圖像分解成不同頻率、不同子帶的小波系數(shù)，通過對DR醫(yī)學(xué)影像圖像不同閾值的濾波處理，研究了醫(yī)學(xué)圖像的邊緣信息的保留及峰值信噪比問題;霍鳳財?shù)萚18-19] 探討了一種基于圖像閾值分割的量子改進(jìn)蜂群算法，運(yùn)用MATLAB平臺，通過小波局部閾值軟硬函數(shù)折中消噪方法對512×512的CT醫(yī)學(xué)圖像消噪效果性能進(jìn)行研究。然而，當(dāng)前算法在抑制醫(yī)學(xué)影像圖像的噪聲、精準(zhǔn)地確定閾值方面不太理想，通過文獻(xiàn)研究小波閾值算法在醫(yī)學(xué)影像圖像除噪中的應(yīng)用研究報道較少?；诖?，我們對醫(yī)學(xué)影像圖像小波閾值除噪算法的數(shù)學(xué)模型進(jìn)行了分析探討，利用仿真軟件對小波分析除噪算法的實現(xiàn)進(jìn)行了設(shè)計研究，探討了合適的除噪方法，進(jìn)一步對小波閾值不同門限降噪方法的處理結(jié)果進(jìn)行了仿真研究。

1?醫(yī)學(xué)影像圖像除噪的小波分析算法模型

式（1）中，第一部分表示的和式給出了g（t）的一個低分辨率的逼近;第二部分和式中，隨著指標(biāo)j的增加，則較高分辨率的函數(shù)不停地產(chǎn)生，從而增加了更多的細(xì)節(jié)信息[20-26]。

閾值選取和閾值的量化是關(guān)鍵。若閾值選取太小，除噪后的圖像仍然存在噪聲;相反閾值取得太大， 圖像的重要特征被濾除，使圖像特征信息丟失嚴(yán)重，導(dǎo)致小波重構(gòu)圖像偏差較大。

由小波分析原理可知，有用信號產(chǎn)生較大的小波系數(shù);反之，較小的小波系數(shù)由噪聲產(chǎn)生。閾值降噪算法中先選擇一個合適的數(shù)作為閾值。若小波分解系數(shù)小于閾值，該部分系數(shù)可看作是由噪聲信號產(chǎn)生的，被濾除掉;若小波分解系數(shù)大于閾值，則被視為由有用信號產(chǎn)生的小波分解系數(shù)，將該部分進(jìn)行閾值處理，獲得其量化值系數(shù)，進(jìn)一步重構(gòu)形成除噪后的信號。

對給定的小波系數(shù)， 噪聲越大， 閾值就越大。硬閾值和軟閾值對小波系數(shù)進(jìn)行閾值處理的規(guī)律分別為式（2）和式（3）。

式（2）和式（3）兩種方法能夠迅速地計算出小波系數(shù)，被廣泛應(yīng)用到解決實際工程問題中。但從式（2）、（3）可知，硬閾值方法的小波系數(shù)W^j，k在閾值λ處存在間斷點，故通過W^j，k重構(gòu)獲得的信號會導(dǎo)致振蕩;相應(yīng)地，軟閾值方法獲得的W^j，k整體連續(xù)性雖好，但當(dāng)Wj，k>λ時，W^j，k與Wj，k始終具有定值λ的偏值，小波域的分布具有一致性，隨著分解尺度的增加，一般情況下，小尺度上邊緣細(xì)節(jié)很小的小波系數(shù)，在噪聲被濾除的同時濾掉了部分邊緣細(xì)節(jié)，導(dǎo)致信號高頻有用信息丟失，使圖像邊緣朦朧的欠缺。

為了克服硬、軟閾值函數(shù)的缺陷，構(gòu)造了一個新的閾值函數(shù)式為

2?基于小波分析除噪的仿真實現(xiàn)

通過小波閾值分解和小波閾值算法進(jìn)行除噪，實驗采用MATLAB程序語言進(jìn)行編程，實現(xiàn)算法仿真，對結(jié)腸CT醫(yī)學(xué)圖像采用小波閾值算法設(shè)計實現(xiàn)如圖2所示。仿真運(yùn)行結(jié)果如圖3（b）、（c）、（d）所示。圖3（a）為原始結(jié)腸CT圖;圖3（b）為在3（a）中加有高斯噪聲后的圖像;圖3（c）為對圖3（b）進(jìn)行小波分解除噪后的圖像;圖3（d）為對圖3（b）采用小波閾值除噪后的圖。在此程序中，先給原始CT醫(yī)學(xué)圖像加載高斯噪聲，然后利用小波分解和小波閾值兩種方式實現(xiàn)小波除噪，分別如圖3（c）、（d）。小波分解中對醫(yī)學(xué)影像圖像運(yùn)用函數(shù)wavedec2（）實現(xiàn)了兩層小波分解，接著對第二層的近似系數(shù)運(yùn)用函數(shù)wrcoef2（）進(jìn)行直接提取，完成基于小波分解醫(yī)學(xué)影像圖像的除噪功能，實質(zhì)是小波分解的濾波器特性實現(xiàn)醫(yī)學(xué)影像圖像的除噪;小波閾值除噪過程中運(yùn)用函數(shù)wthcoef2對醫(yī)學(xué)影像圖像進(jìn)行兩層小波分解，接著對其兩次高頻系數(shù)閾值除噪，實現(xiàn)醫(yī)學(xué)影像圖像信號的二維小波重構(gòu)。比較圖3（c）和圖3（d）兩種除噪方式，小波分解效果好，但以損失醫(yī)學(xué)影像圖像的層次為代價。

如圖4所示，對醫(yī)學(xué)影像原始胸部圖像加入高斯噪聲，生成相對應(yīng)的含有噪聲的醫(yī)學(xué)影像圖像，運(yùn)用所研究的算法對其進(jìn)行處理。其中：圖4（a）為原圖像;圖4 （b）為對圖4 （a） 加有均值零，方差為0.02的高斯噪聲后的圖像;圖4（c）和圖4（d）分別為對圖4（b）降噪后得到的圖像，其區(qū)別在于閾值門限的不同。由圖4（c）和圖4（d）可以看到，閾值門限過高對于含有高斯噪聲圖像的除噪效果較好，但圖像邊緣的層次降低了。

3?結(jié)語

本文研究了醫(yī)學(xué)影像圖像除噪算法的數(shù)學(xué)機(jī)理，探討了合適的除噪方法。采用MATLAB平臺對基于小波分析的醫(yī)學(xué)影像圖像模型進(jìn)行了算法實現(xiàn)設(shè)計，進(jìn)一步對小波閾值不同門限降噪方法的處理結(jié)果進(jìn)行了實驗仿真比較研究，為實際醫(yī)學(xué)影像圖像除噪應(yīng)用和理論研究提供了借鑒。但是隨著科技的日新月異，需要多方法綜合應(yīng)用，在實際應(yīng)用中會隨機(jī)出現(xiàn)各種各樣的難題，對醫(yī)學(xué)影像圖像除噪的理論和技術(shù)有待進(jìn)一步的研究。

參考文獻(xiàn)：

[1]OSHER S， PARAGIOS N. Geometric level set methods in imaging，?vision，?and graphics[M]. New York： Springer-Verlag，?2007： 154-182.

[2]高建瓴， 孟宇婷， 邸澤雷坤. 基于自適應(yīng)活動輪廓模型的醫(yī)學(xué)圖像分割算法研究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2018， 35（5）： 67-73.

[3]孫暢， 張超. 基于局部與非局部醫(yī)學(xué)圖像降噪技術(shù)的研究進(jìn)展[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2018， 35（5）： 565-572.

[4]牟希農(nóng). 基于小波域馬爾可夫隨機(jī)場的醫(yī)學(xué)影像圖像提取實現(xiàn)研究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2020， 37（1）： 74-77.

[5]CHEN S W，?CHEN Y H.?Hardware design and implementation of a wavelet de-noising procedure for medical signal preprocessing[J]. Sensors， 2015， 15（10）： 26396-26414.

[6]GOKTURK S?B， TOMASI C，?GIROD B，?et al.?Medical image compression based on region of interest，?with application to colon CT images[J]. Eng Med Biol Soc， 2001， 3： 2453-2456.

[7]蘇晉鵬， 陳恩俊， 景嘉帥， 等. 基于閾值分割的暗原色先驗圖像去霧方法[J]. 計算機(jī)工程與應(yīng)用， 2017， 53（3）： 205-210.

[8]袁樂民. 基于中值濾波算法的醫(yī)學(xué)影像圖像除噪設(shè)計實現(xiàn)研究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2020， 37（2）： 42-45， 50.

[9]汪家旺， 羅立民， 舒華忠， 等. CT、MR圖像融合技術(shù)臨床應(yīng)用研究[J]. 中華放射學(xué)雜志， 2001， 35（8）： 604-608.

[10]陳軍. 基于維納濾波算法的醫(yī)學(xué)影像圖像除噪分析研究[J]. 遼寧大學(xué)學(xué)報（自然科學(xué)版）， 2019， 46（1）： 45-50.

[11]劉時華， 張亞. 基于小波分析對信號噪聲的處理及應(yīng)用[J]. 機(jī)械工程與自動化， 2015， 188（1）： 84-85， 88.

[12]王爭， 何宏， 譚永紅. 基于遺傳優(yōu)化函數(shù)曲線的小波閾值法心電信號除噪[J]. 計算機(jī)應(yīng)用， 2014， 34（9）： 2600-2603.

[13]聶林濤， 張愷. 基于小波分析的一維含噪信號的除噪方法[J]. 四川兵工學(xué)報， 2011， 32（12）： 86-88.

[14]董利娜. 基于雙相多層螺旋CT數(shù)據(jù)的左心室功能定量分析[D]. 合肥：中國科學(xué)技術(shù)大學(xué)， 2011.

[15]張仁棟. 低劑量X-CT圖像質(zhì)量優(yōu)化方法研究[D]. 沈陽：沈陽工業(yè)大學(xué)， 2011.

[16]申莎莎. 基于小波變換與傅里葉變換對比分析及其在信號去噪中的應(yīng)用[J]. 山西師范大學(xué)學(xué)報（自然科學(xué)版）， 2018， 32（3）： 27-32.

[17]傅偉， 萬洪曉， 熊平. 基于小波軟閾值濾波的醫(yī)學(xué)圖像去噪[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2009， 26（1）： 982-984.

[18]霍鳳財， 孫寶翔， 任偉建. 基于圖像閾值分割的改進(jìn)蜂群算法[J]. 吉林大學(xué)學(xué)報（信息科學(xué)版）， 2015， 33（1）： 84-93.

[19]薛慧. 基于小波與小波包分析的CT圖像去噪研究[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2011， 28（2）： 2541-2545.

[20]陳軍， 石新民， 牟希農(nóng)， 等. 混沌及馬爾可夫在醫(yī)學(xué)影像圖像處理中的應(yīng)用[M]. 蘭州：蘭州大學(xué)出版社， 2018：121-130.

[21]黃英. 基于數(shù)字圖像處理技術(shù)的印刷墨斑評價方法研究[D]. 廣州： 華南理工大學(xué)， 2016.

[22]嚴(yán)華剛， 李海云. 基于小波變換的醫(yī)學(xué)圖像噪聲濾除方法的研究[J]. 醫(yī)療衛(wèi)生裝備， 2008， 29（7）： 4-6.

[23]趙曉梅， 張正平， 余穎聰， 等. 基于CS-BP神經(jīng)網(wǎng)絡(luò)的舌診圖像顏色校正算法[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2019， 36（5）： 82-87.

[24]歐陽春娟， 楊群生， 歐陽迎春. 基于小波變換的自適應(yīng)模糊閾值去噪算法[J]. 計算機(jī)工程與應(yīng)用， 2006， 42（5）： 82-84.

[25]王為， 吳國華， 沈奕晨， 等. 基于MATLAB的錐形束CT圖像去噪研究[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2013， 30（4）： 4278-4284.

[26]劉學(xué)平. 低質(zhì)量圖像模糊人臉識別的研究[D]. 沈陽： 沈陽航空工業(yè)學(xué)院， 2010.

（責(zé)任編輯：曾?晶）