基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的:为了更好地去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪和小波域隐马尔可夫模型的基础上,进行改进,即引入了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,而隐马尔可夫树模型则用来规划小波系数的边缘分布.结果:自然图像处理实验结果表明,与普通的小波去噪方法相比,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:同时用该方法处理DR图像,处理结果表明此方法在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波闽值滤波等方法效果要好.
推荐文章
多变换域马尔可夫树图像去噪算法
图像去噪
Contourlet变换
隐马尔可夫树
多尺度
复Daubechies小波域HMT模型Bayesian图像去噪
复Daubechies小波
隐马尔可夫树模型
线性相位
贝叶斯去噪
基于小波域HMT模型的图像去噪研究
图像去噪
隐马尔可夫树模型
小波变换
白噪声
基于小波变换及隐式马尔科夫树模型的图像信号去噪
图像去噪
隐马尔科夫树模型
小波变换
高斯白噪声
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波域隐马尔可夫树模型的医学图像去噪
来源期刊 医疗卫生装备 学科 工学
关键词 小渡变换 小渡域隐马尔可夫树模型 方差不变性变换 图像去噪 高斯噪声
年,卷(期) 2010,(1) 所属期刊栏目 研究论著
研究方向 页码范围 34-36
页数 3页 分类号 TP391.41
字数 3124字 语种 中文
DOI 10.3969/j.issn.1003-8868.2010.01.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 傅伟 江苏财经职业技术学院计算机技术与艺术设计系 61 200 8.0 11.0
2 涂刚 江苏财经职业技术学院计算机技术与艺术设计系 43 165 7.0 11.0
3 万洪晓 临沂市人民医院影像科 3 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (6)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
小渡变换
小渡域隐马尔可夫树模型
方差不变性变换
图像去噪
高斯噪声
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
医疗卫生装备
月刊
1003-8868
12-1053/R
大16开
天津市河东区万东路106号
6-32
1980
chi
出版文献量(篇)
13099
总下载数(次)
36
总被引数(次)
52419
论文1v1指导