基于EMD的OCT图像去噪新方法：提升边缘检测质量

本文主要探讨了一种基于经验模态分解（Empirical Mode Decomposition, EMD）的新型光学相干断层成像（Optical Coherence Tomography, OCT）图像去噪方法。在光学相干成像技术中，噪声抑制是后续组织结构分析和识别的关键步骤。由于传统的去噪方法可能需要额外的操作或硬件改动，作者提出的新方法旨在提供一种简单且无需额外处理的解决方案。 该研究的核心思想是利用EMD的独特特性，它能够将复杂信号分解为一组独立的固有模分量，这些分量可以分别处理，从而有效地分离出信号和噪声。通过这种方法，作者能够在保持原始数据完整性的同时，显著降低图像中的随机噪声，提高信噪比。 文章详述了新方法的具体步骤，包括如何通过EMD对OCT图像进行分解，以及如何通过保留有用的固有模分量而过滤掉噪声。在验证过程中，作者采用经典的Canny边缘检测算法作为示例，展示了在不进行额外预处理或后处理的情况下，使用该方法如何提高噪声抑制的效果。这表明，这种方法在保持图像细节的同时，提高了边缘检测的准确性和稳定性。 此外，作者还讨论了新方法对自动分割（raw-segmentation）的影响，指出去噪后的OCT图像有助于提高分割的精度和稳定性，从而有利于后续的形态学分析、纹理特征提取等应用。 总结来说，这篇论文是一项重要的贡献，因为它提供了一种有效的OCT图像去噪策略，降低了对硬件和复杂操作的依赖，这对于提高光学相干断层成像技术在医疗诊断中的实用性和可靠性具有重要意义。