首页 > 文献资料
-
基于小波软阈值滤波的医学图像去噪
目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.
-
一种医学图像去噪程序的并行优化
目的:在采集、处理和传输过程中,医学图像会存在各种噪声,严重影响医学图像的质量和后续对图像的各种处理,因此医学图像去噪具有重要意义.同时医学图像数据量大,去噪处理算法复杂,在一般个人电脑上进行医学图像去噪仍是一个非常耗时的过程,很难满足实际应用中高实时性的要求,因此需要通过优化来提高去噪的处理速度.方法:本文利用CUDA(Compute Unified Device Architecture)并行编程对基于同质算法的三维医学图像去噪进行加速,CPU和GPU(Graphic Processor Unit)异构编程方式能发挥GPU高强度的计算能力,提高算法的执行速度.通过使用纹理存储器将图像数据与纹理绑定,优化存储器访问,提高数据访问速度.优化过程中,合理选择三维图像数据的分块方式和线程块维度,可以获得更快的加速.结果:与基于同质的matlab和CPU去噪程序相比,并行优化后GPU程序在保持去噪图像质量的前提下可以达到几百倍的加速.结论:CUDA加速大大缩短了三维医学图像去噪的运行时间,解决了医学图像去噪的速度瓶颈问题,可以应用于对运行速度有要求的图像处理中.