小波变换在多分辨率图像融合中的应用

浅析了小波变换在多分辨率图像融合中的应用。首先论述了图像融合的基本原理,然后给出了多分辨率图像融合中的几种典型算法,并分析了小波变换的特点。     

小波变换在图像去歪斜中的应用

提出一种基于小波变换的图像去歪斜方法。图像去歪斜的关键在于边缘检测和边框提取。边缘检测采用由粗到细的方法，利用小波变换的多分辩率特性，得到的结果较传统的方法有更好的去噪和定位性能，并能保留必要的细节。边框提取则是用改进的Ｈｏｕｇｈ变换寻找直线，将参数空间二次量化，在一定程度上解决了常规Ｈｏｕｇｈ变换抗干扰性和精度之间的矛盾。     

基于多分辨率分析的图像融合方法研究

利用拉普拉斯金字塔变换和小波变换对图像进行多分辨率分析,选用了多幅不同类型的多源图像,做了大量的仿真实验,并对仿真结果进行了比较和分析,得出了有一定参考价值和实际应用价值的结果。     

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

GHM多小波变换在医学图像融合中的应用

多模态医学图像的融合是近几年兴起并且发展较快的一种新技术。它能将不同图像提供的互补信息综合在一起,在医学影像学和放射学领域中有着重要的应用价值。本文采用了GHM多小波成功的对不同模态的医学图像进行了融合。实验结果表明GHM多小波能够获得较好的融合效果。     

小波变换多尺度过零点表征及在医学超声图像分割中的应用

回顾了信号的一维小波变换多尺度过零点（MZC）表征的完全稳定的重建理论,分析了MCZ表征与小波各尺度分解的平均功率的关系;并利用医学超声图像的不同区域MZC随尺度的变化曲线参数,实现了医学超声图像的区域分割。     

基于多小波变换的医学图像分形压缩方法研究

针对医学图像分析与压缩的特殊要求,将多小波变换和分形压缩理论引入到医学图像压缩中。首先对医学图像进行多小波变换,较好地保持了医学图像的边缘和细节信息,再采用分形压缩方法对图像进行压缩。实验表明,算法在保持一定医学图像质量和较高压缩比的前提下,编码时间大大减少,结合多小波变换的医学图像分形压缩方法在临床应用取得较好效果。     

基于小波变换的医学图像插值研究

提出了新的预测高频细节的方法,并能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

基于小波变换的医学图像插值研究

提出了一种基于小波变换的高频预测方法,能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

小波变换在医学图像边缘检测中的应用

边缘检测是医学图像处理中的一项基本内容.正确提取医学图像的边缘特征,无论对于描述目标还是解释图像都是十分关键的.由于小波变换具有良好的局部特性和多分辨率的特点,将基于小波变换的边缘检测方法应用于医学图像的边缘提取.实验结果表明,该方法不仅能有效地检测图像边缘,并且对噪声有良好的鲁棒性.     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。     

基于PACS的医学影像工作站的设计

影像诊断技术是衡量一个医院的医疗水平的重要指标。现在许多医院虽然有一定数量的先进的医疗设备和高水平的医生，但缺乏现代化的计算机技术的支持，很难使医院的影像诊断水平得到很大的提高，因此现代医院需要建立一个综合性的医学影像工作站。基于PACS（pictrue archiving and communication systems，医学影像的图像存储和通信系统）的医学影像工作站能及时对不同的医疗设备的图像进行管理和处理，医生可以借助它从不同的方面对疾病进行综合分析和诊断。结合医院的实际情况分别从硬件和软件的角度对医院建立医学影像工作站进行了设计，并就建立影像工作站中的信息安全问题进行了重点分析。     

基于小波变换的医学图像增强方法与实现

分析研究了基于小波变换的图像增强原理和方法,对X线医学图像进行3层小波分解,得到各层的小波系数;采用不同的增强算法对不同层次的小波系数进行处理;利用处理后的小波系数进行小波逆变换,得到增强后的图像.实验结果表明该方法的增强效果明显优于直方图均衡化方法,既提高了图像的整体对比度,又突出了图像的局部细节,同时还抑制了噪声.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

医学图像融合技术研究综述

介绍医学图像融合的意义和医学图像融合的方式，提出图像数据转换，图像数据相关，图像数据库和数据理解是实现医学图像融合需要解决的关键技术和技术难关，重点介绍图像配准的方法及其研究现状，并结合作者的经验，分析如何利用小波变换技术对图像进行信息融合，直观地从整体上阐述医学图像融合技术。     

一种基于子波变换的图像编码方案

提出了一种基于子波变换的灰度图像数据压缩编码方案其基本思路是对子波分解后的最低分辨率亮度子图像采用ＪＰＥＧ编码，对各级边缘子图像进行阈值量化后采用行程编码。对５１２×５１２的Ｌｅｎａ灰度图像进行编码，在压缩比为５２时，峰值信噪比（Ｓ／Ｎ０ｐ为２９．２４５ｄＢ。并获得有较好视觉效果的重构图像。     

小波变换在图像压缩中的应用

介绍小波变换和多分辨率分析的基本思想．讨论基于小波变换的图像压缩编码的一般步骤与小波变换的特性，最后给出小波变换在图像压缩中的主要编码算法。     

基于第二代小波变换的医学图像检索

纹理特征提取是基于内容的图像检索的一个重要环节.针对该问题,提出了一种简单而有效的纹理特征提取算法.采用原始图像的亮度以及图像经过第二代小波变换后子带的方差信息来描述纹理.与传统的采用第一代小波变换进行图像检索的算法相比,提取的特征维数少,计算复杂度小.通过对医学图像库的检索实验结果表明,该算法具有高效的检索效率.同时,还具有对图像的平移、旋转、尺度以及镜面变换的近似不变性.