基于HMT与B-Spline波let的医疗图像去噪边缘提取算法

本文主要探讨了一种新颖的医学图像边缘提取算法，旨在通过结合HMT模型（Hidden Markov Tree Model）和B样条小波（Quadratic B-spline Wavelet）技术，有效地处理医学图像中的内部噪声和外部噪声，从而提高边缘特征的提取精度。研究者谷召伟、王波和王安娜来自东北大学信息科学与工程学院，他们的电子邮件地址分别用于交流。 算法的核心思想是首先利用信息度量（Information Measure）与模拟退火算法（Simulated Annealing）相结合的方法，来移除图像中的内部噪声。这种方法能够有效地抑制由于像素间的随机干扰导致的不必要边缘信息丢失。接着，通过引入波谱域的HMT模型进行进一步的噪声压制，利用HMT模型的特性，可以更精确地捕捉医学图像的动态结构，减少噪声对边缘检测的影响。 接下来，研究人员设计了一种基于二次B样条小波的多尺度滤波器，利用小波变换的局部性和多分辨率特性。这种滤波器能够在不同尺度上对图像进行平滑处理，同时保持边缘细节，有助于区分真正的边缘信息与噪声信号。最后，通过对多尺度小波变换的融合，实现了在不同尺度上对医学图像边缘的有效提取。 实验结果显示，该提出的边缘提取算法在噪声拒绝和边缘准确性的平衡上表现出色，能够在保证图像清晰度的同时，有效地去除噪声，提高了医学图像分析的可靠性和准确性。这为医疗影像处理领域的边缘检测提供了新的方法和工具，对于诸如病灶检测、器官分割等应用具有实际意义。