-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

超聲醫學圖像去噪方法及應用

( 簡體 字)
作者:張聚類別:1. -> 教材 -> 數位影像處理
譯者:
出版社:電子工業出版社超聲醫學圖像去噪方法及應用 3dWoo書號: 51565
詢問書籍請說出此書號!

有庫存
NT售價: 345

出版日:7/1/2019
頁數:184
光碟數:0
站長推薦:
印刷:語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121370915
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

超聲診斷技術是超聲檢測技術在人體檢測上的應用,使用超聲檢測人體生理結構,利用病灶和正常人體結構不同的測量數據及形態檢測病灶,用直觀的圖像媒介顯示病灶的一種醫學診斷技術。超聲診斷技術無創、無痛的優點使得其得到廣泛推廣,借助超聲診斷技術,醫生可以直觀地發現病灶,做出正確的診斷。但技術的發展往往都伴隨著阻礙的因素,在超聲成像中,由于成像機制和設備等因素的影響,所形成的圖像存在特有的斑點噪聲,降低了超聲圖像的質量,給醫生的臨床診斷造成不便。因此有必要對超聲圖像進行降噪處理,超聲圖像去噪的本質就是利用含噪超聲圖像來估計人體器官組織的無噪圖像,得到對原圖像的最優估計。
超聲醫學圖像上的斑點噪聲表現為一種顆粒狀、黑白點相間的紋理結構。這種固有的斑點噪聲往往會掩蓋用于醫學診斷的重要的圖像特征,嚴重降低了圖像的質量,影響了后續的圖像分析和診斷,阻礙了自動診斷技術的發展。去除斑點噪聲不僅是分析和診斷超聲圖像的重要步驟,而且是后期發展超聲成像儀器自動化診斷技術的基礎。移動和便攜式超聲掃描儀器的廣泛普及也需要超聲成像儀器提供更加清晰的超聲醫學圖像。超聲圖像去噪屬于圖像預處理階段,它的存在對于后期目標的準確識別診斷有著非常重要的意義。超聲圖像去噪的方法有很多,本書圍繞超聲醫學圖像去噪組織了幾個章節,涵蓋了去噪理論和應用方面。
本書討論的內容是作者和研究生們最近幾年在相關領域研究工作的總結。主要闡述小波與雙邊濾波的超聲圖像去噪算法、基于自適應小波與三邊濾波的超聲圖像去噪算法、基于小波域內分頻處理的超聲圖像去噪算法和基于平移不變性剪切波變換的超聲圖像去噪算法。
第1章分別從國內外的發展情況討論了超聲圖像去噪的研究概況和展望,以及圖像質量的評價方法、超聲圖像去噪方法研究的背景和意義,介紹了主要的超聲圖像去噪技術。
第2章對本書中會用到的一些關于去噪的基本知識做了介紹,包括小波變換中的連續小波變換理論、離散小波變換理論、多分辨率分析、二維小波變換的分解與重構;引導濾波的加權濾波器、雙邊濾波器、快速雙邊濾波器、引導濾波器等內容;在剪切波部分還介紹了連續剪切波變換、離散剪切波變換、貝葉斯估計理論和剪切波系數的先驗模型等基本理論。
第3章針對斑點噪聲問題提出了一種新型的基于小波與雙邊濾波的去噪算法。根據其斑點噪聲在小波域內的統計特性改進通用小波閾值函數,用無噪信號的小波系數建立廣義拉普拉斯分布模型,用斑點噪聲的小波系數建立高斯分布模型,用貝葉斯最大后驗估計方法得到新型的小波收縮算法。利用小波閾值法對小波域內的高頻信號分量去噪,利用雙邊濾波處理小波域內的低頻信號分量,處理完成后利用小波逆變換即可得到去噪后的圖像。
第4章闡述了基于自適應小波與三邊濾波的超聲圖像去噪算法,利用小波變換和三邊濾波相結合方法處理超聲圖像去噪問題。采用動態變化的加性模型模擬帶斑點噪聲的醫用超聲信號,根據該加性模型的統計特性,利用自適應的小波收縮算法去除醫學信號的噪聲。此算法對小波域內斑點噪聲高頻分量的抑制特別有效,算法采用三邊濾波對斑點噪聲的低頻分量進行濾波優化處理,實現抑制實際數據集的斑點和脈沖噪聲。
第5章介紹了基于小波域內分頻處理的超聲圖像去噪算法,該算法根據超聲圖像中斑點噪聲的獨特性,以及超聲系統對于去噪性能的要求和目標,結合超聲圖像在小波域的統計特性所提出。根據斑點噪聲在小波域內的分布特點提出改進的小波閾值函數,結合斑點噪聲和無噪信號的統計模型得到新的閾值收縮算法,使用去噪保邊的濾波器(如雙邊濾波器或引導濾波器)過濾大顆粒斑點低頻子帶小波系數,最后使用小波逆變換得到去噪圖像。
第6章引入了剪切波變換,闡述了基于平移不變性剪切波變換的超聲圖像去噪算法,該算法大致包含4步:首先對含噪圖像進行非下采樣拉普拉斯金字塔濾波的多尺度分解,得到高頻子帶、低頻子帶,對高頻子帶采用非下采樣的方向濾波器組多方向分解;然后對之前得到的低頻子帶繼續使用拉普拉斯金字塔濾波,得到新的高頻子帶和新的低頻子帶,同樣對新的高頻子帶采用非下采樣的方向濾波器組多方向分解;通過多層次分解得到高頻和低頻剪切波系數;最后利用剪切波逆變換即得到去噪后的超聲圖像。本章還進行了大量的合成仿真圖像和超聲圖像對比實驗,證明了提出的算法去噪效果的優越性。
本書可供學習、研究和應用超聲醫學圖像去噪處理的研究生和相關技術人員閱讀參考。參與本書內容研究工作的研究生有:王陳、林廣闊、吳麗麗、程義平、周俊、田崢、呂金誠、陳堅、周海林等。研究生陳堅還在排版、編輯和整理書稿等方面付出了大量辛勤的勞動。本書的編寫還參考了國內外一系列相關文獻的內容和有關研究生的學位論文。本書的研究工作還得到了浙江省科技廳公益技術研究社會發展項目的資助(2016C33122),在此對相關人員一并表示感謝!限于作者的研究能力和水平,書中難免有不當甚至錯誤之處,敬請讀者和專家批評指正。
有興趣的讀者也可以參考作者和研究生們近幾年發表的相關論文。
內容簡介:

本書討論超聲醫學圖像去噪方法的理論與應用,主要內容包括超聲去噪涉及的相關理論基礎和方法,重點闡述基于小波與雙邊濾波的超聲圖像去噪算法、基于自適應小波與三邊濾波的超聲圖像去噪算法、基于小波域內分頻處理的超聲圖像去噪算法和基于平移不變性剪切波變換的超聲圖像去噪算法。本書討論的內容是作者和研究生們最近幾年在相關領域研究工作的總結。本書既包括超聲去噪理論探討、仿真研究,也包括實驗和應用案例。
目錄:

第1章 緒論 1
1.1 超聲圖像去噪方法研究的背景與意義 1
1.2 超聲成像原理和斑點噪聲模型 4
1.2.1 超聲波概述 4
1.2.2 超聲成像的發展 6
1.2.3 超聲成像原理 8
1.2.4 B超成像原理 10
1.2.5 斑點噪聲的形成原理 11
1.2.6 斑點噪聲的模型 12
1.3 主要的超聲圖像去噪技術和
國內外研究現狀 15
1.3.1 需求分析 15
1.3.2 去噪算法的國內外研究現狀 17
1.3.3 去噪算法的分類 19
1.4 本章小結 25
第2章 基本理論 28
2.1 小波變換 28
2.1.1 從傅里葉變換講起 29
2.1.2 連續小波變換理論 33
2.1.3 離散小波變換理論 36
2.1.4 多分辨率分析及Mallat算法 37
2.1.5 二維小波變換的分解與重構 39
2.2 引導濾波 41
2.2.1 加權濾波器 42
2.2.2 雙邊濾波器 43
2.2.3 高斯濾波和雙邊濾波的比較 44
2.2.4 快速雙邊濾波器 46
2.2.5 三邊濾波器 47
2.2.6 引導濾波器 48
2.3 剪切波理論 50
2.3.1 連續剪切波變換 50
2.3.2 離散剪切波變換 51
2.3.3 貝葉斯估計理論 53
2.3.4 剪切波系數的先驗模型 55
2.4 本章小結 58
第3章 基于小波與雙邊濾波的
超聲圖像去噪算法 59
3.1 基本理論 59
3.2 基于小波與雙邊濾波的圖像去噪 59
3.2.1 小波閾值函數改進 59
3.2.2 小波收縮算法改進 61
3.2.3 小波-雙邊濾波結合算法 68
3.2.4 本章算法的整體步驟 70
3.2.5 實驗結果 70
3.2.6 本節小結 76
3.3 小波-雙邊濾波法在超聲圖像
去噪中的應用 76
3.3.1 實驗方法分析 77
3.3.2 實驗結果與分析 77
3.3.3 本節小結 83
3.4 超聲圖像去噪算法的圖形化軟件設計 84
3.4.1 需求分析 84
3.4.2 方案設計 85
3.4.3 軟件實現 88
3.4.4 軟件測試 91
3.4.5 本節小結 91
3.5 本章小結 91
第4章 基于自適應小波與三邊濾波的
超聲圖像去噪算法 94
4.1 基本理論 94
4.2 基于自適應小波與三邊濾波的
圖像去噪算法 94
4.2.1 小波與自適應去噪 95
4.2.2 小波-三邊濾波集成算法 100
4.2.3 本節小結 103
4.3 集成算法的實驗驗證 103
4.3.1 性能評估指標 103
4.3.2 實驗驗證 105
4.3.3 本節小結 109
4.4 小波-三邊濾波在超聲
圖像中的應用 109
4.4.1 性能評估指標 109
4.4.2 實驗驗證 110
4.4.3 本節小結 112
4.5 本章小結 112
第5章 基于小波域內分頻處理的
超聲圖像去噪算法 115
5.1 基本理論 115
5.2 基于小波域內分頻處理的超聲
圖像去噪算法概述 115
5.2.1 小波閾值函數改進 115
5.2.2 最大后驗和雙變量收縮算法 119
5.2.3 基于小波域內分頻處理的
超聲圖像去噪算法的提出 123
5.2.4 實驗驗證 124
5.2.5 本節小結 126
5.3 基于小波域內分頻處理的超聲
圖像去噪算法的應用 127
5.3.1 斑點噪聲仿真實驗 127
5.3.2 超聲圖像實驗 136
5.3.3 本節小結 142
5.4 本章小結 142
第6章 基于平移不變性剪切波
變換的超聲圖像去噪算法 144
6.1 基本理論 144
6.2 基于剪切波變換的超聲
圖像去噪算法 144
6.2.1 剪切波變換的性質 145
6.2.2 基于剪切波變換的基本流程 151
6.2.3 MAP和三變量收縮算法 152
6.2.4 基于剪切波變換去噪
算法的整體步驟 156
6.2.5 本節小結 157
6.3 基于平移不變性的剪切波算法
在超聲圖像中的應用 158
6.3.1 合成圖像仿真實驗 158
6.3.2 超聲圖像實驗 164
6.3.3 本節小結 169
6.4 本章小結 169
參考文獻 171
序: