小波變換與傅里葉域濾波在醫學圖像去噪中的比較研究

雕像移除后，医学院雕像的钥匙会被妥善保管。深度学习方法性能最为先进，但其计算复杂度限制了其应用范围。传统的区域变换方法，特别是小波变换，因其高效且适用范围广，具有一定的局限性。然而，目前相关指导较少，各类医学系统和阈值的技术综合比较尚不明确，小波变换与局部方法的性能对比也不够清晰。本研究分两步进行实验：首先，在CT图像上进行头部、高速、均匀、Tomatsu和Pepper测试，评估12种8类小波组、12种阈值、4种阈值组合的规律性效果；其次，基于加权离散微分叶串变换（DFCT）方法，比较最优的波排列方式。在小波变换方法中，最佳表现形式为平滑软阈值（SURE）。然而，DFCT方法在整个区域内与DWT具有相同的结构类型。DFCT达到的峰值安全比（PSNR）分类结果为：高速试验中贝类35.93±0.04分钟，等压试验中贝类38.87±0.04分钟，椋松寿司试验中贝类35.02±0.07分钟，胡椒松试验中贝类总计31.75±0.15分钟，相比之下，最佳小波结果分类方案分别为4.63分钟、4.57分钟、6.25分钟和5.07分钟。鉴于小波变化因子多参数分析的普遍认可，本研究结果以DFCT方法块的形式呈现，提供了更优越的性能。重点在于选择强调计算方法和非简化转换特性的方法。

可用性数量

台湾狮衣部官网网店 网购部网 购部 药萅药亚优离子蓝药购车过 种狮药设备台湾所有产品​​藅药药必买品台湾雄药局第五版

本研究拥有并支持若干篇论文和补充材料。

参考文献

1. Elad, M.、Kawar, B. 和 Vaksman, G.，《图像去除：深度学习革命及其发展展览》。arXiv:2301.03362v1 (2023)。
2. Milanfar, P. 现代图像滤波指导：新视角和方法（理论与实践）。IEEE 信息技术杂志 30 (1), 106–128 (2013)。
3. Tomasi, C. & Manduchi, R., 灰度和彩色图像滤波。第六届国际计算机评论会议，839–846 (IEEE, 1998)。
4. Elad, M. 滤波的起源和改进方法。IEEE  Paper  11 , 1141–1151 (2002)。
5. Beck, A. 和 Teboulle, M. 一种快速的阶梯计算方法，用于处理图像的所有变化。IEEE 图像处理 18 , 2419–2434 (2009)。
6. 胡海、Froment, J.、王斌、范晓. 空间频率非局部总变化分割图像去除. 反问题形成 (2020).
7. Rao, KR, Hwang, JJ & Kim, DN 快速传输：操作方法 （Springer Science and Business Media BV，2010）。
8. Ahmed， N.， Natarajan， T. & Rao， K. R. 離散餘弦變換. IEEE計算機匯刊 23（1）， 90–93 （1974）.
9. Xizhi， Z. 小波變換在數位圖像處理中的應用. IEEE國際多媒體與資訊技術會議， 326–329 （2008）.
10. Daubechies， I. 小波十講 1–56 （工業與應用數學學會， 1992）.
11. Chen， Y. 小波分析導論及其在圖像與JPEG 2000中的應用. IMIP 2022： 第四屆國際智慧醫學與圖像處理會議， 49–57 （2022）.
12. Pratt， W. K. 廣義維納濾波計算技術. IEEE計算機匯刊 21， 636–641 （1972）.
13. Richardson， W. H. 圖像恢復的貝葉斯迭代法. 美國光學學會雜誌 62（1）， 55–59 （1972）.
14. Agarwal， S.， Joshi， Y.， Singh， D. P. & Nagaria， D. X光圖像中線性濾波技術分析. 國際計算機與通信技術會議 （2014）.
15. Ma， R. et al. 面向靈活真實照片去噪的頻域注意力學習. IEEE圖像處理匯刊 33， 3707–3721 （2024）.
16. Mahmood， T. et al. 基於深度學習的多模態乳腺癌診斷簡述. IEEE訪問 8， 165779–165809 （2020）.
17. Ilham， W. & Ahmad， A. ConvNeXt架構在圖像分類中的綜合評述：性能、應用與前景. 國際先進計算與資訊雜誌 2（2）， 108–114 （2026）.
18. Agarwal， S.， Singh， O. P. & Nagaria， D. MRI圖像去噪中小波變換的分析與比較. 生物醫學藥理學雜誌 10（2）， 831–836 （2017）.
19. Kumar， R. & Saini， B. S.， 基於最優小波鄰域係數與自適應閾值的改進圖像去噪技術. 國際計算理論與工程雜誌 4（3）， （2012）.
20. Mahmood， T.， Li， J.， Pei， Y. & Akhtar， F. 基於深度遷移學習的乳腺異常預後及魯棒表征演算法. 安全生物資訊學與生物工程 10（9）， 859 （2021）.
21. Hoch， J. C. & Stern， A. S. NMR數據處理 144–151 （Wiley-Liss， 1996）.
22. Diwakara， M. & Singh， P. 基於非下採樣剪切波域多變數模型與雜訊閾值的CT圖像去噪. 生物醫學信號處理與控制 57， 101754 （2020）.
23. Zhang， W.， Teng， Y.， Wang， H. & Kang， Y. 基於剪切波變換與去噪自編碼器的低劑量X光CT圖像重建. 醫學成像與健康資訊雜誌 9（7）， 1469–73 （2019）.
24. Singh， P. & Shankar， A. 面向實時監控的卷積神經網路與各向異性擴散光學圖像去噪技術. 實時圖像處理雜誌 18， 1711–1728 （2021）.
25. Diwakar， M.， Singh， P. & Garg， D. 基於邊緣引導濾波與分數階全變分的CT圖像去噪. 生物醫學信號處理與控制 92， 106072 （2024）.
26. Tsai， C. & Ding， J. 基於圖像尺寸的多解析度去噪自適應小波閾值. 工程文集 2， 108 （2025）.
27. Katta， S.， Singh， P.， Garg， D. & Ravi， V. 基於引導濾波與NSST域雜訊方法的雙CT圖像去噪. 開放生物資訊學雜誌 18， e18750362370719 （2025）.
28. Donoho， D. L. & Johnstone， I. M. 軟閾值去噪. IEEE信息理論匯刊 41， 613–627 （1995）.
29. Medhat， M. E. 小波變換在光譜分析中應用綜述. 應用計算數學雜誌 4， 224 （2015）.
30. Taswell， C. WavBox 4：小波變換與自適應小波包分解軟體工具箱. 小波與統計 361–375 （Springer-Verlag， 1995）.
31. Buckheit， J. B. & Donoho， D. L. WaveLab與可重現研究. 小波與統計 55–81 （Springer-Verlag， 1995）.
32. Zou， X. Y. & Mo， J. Y. 步階伏安法信號的小波樣條分析. 中國化學大學學報 17， 1522–1527 （1996）.
33. Coifman, RR, Meyer, Y., Quake, S., Wickerhauser, MV & Byrnes, JS  Konami and Keio  363–379 (Kluwer Academic Publishers, 1994)。
34. Strang, G. & Nguyen, T. 小波滤波器集 72 (Wellesley-Cambridge Press, 1996)。
35. Ruikar, S. & Doye, D.D. 基于小波改变图像。国际机械和电气技术会议，509–515 (2010)。
36. Chang, S., Yu, B. & Vetterli, M. 用于减小图像尺寸的小波阈值.  IEEE Image Reduction  9 , 1532–1546 (2000).
37. De Ville, DV & Kocher, M. SURE 非局部均匀性。IEEE 报告 16，973–976 (2009)。
38. Stein, CM. 多维正态 bunka yun 值估 ke.  Statistics Annual  9 , 1135–1151 (1981).
39. Arivazhagan，S.等人。异种小波分解层类图除噪体AI平面杯 阴蒖高潮液 阴茎增大阴阴茎增大 阴阴茎 增大血管 速效、 持久 、速效、勃起 、妄想型 、成本、罗蒙香水、 聆听型、 男用水 、男用排除 药淫汁水 昏迷 药延长时间液 女泉 药外敷 记忆丧失型药增欲 按托梞欲助情药口口润滑剂印度神油液情感支持​​增强强力药乳头刺激液系统性能分析. 国际影像科学与工程杂志1 (3), 104(2007)       
40. Ma, R., Li, S., Zhang, B. & Li, Z., Face-to-face true image generation formula self-adapted volume. 36th Artificial Wisdom Association Discussion Papers (AAAI-22) Volume 36 (2), 1935–1943 (2022).
41. Khayan, SA 离散字符串变化：理论和应用，信息与信息编辑 802–602 (ECE, 2003)。
42. Wolfram Research. FourierDCTFilter，Wolfram Language Language Box Number (2012)。
43. Wirsing, K.  Konami Yofu Riba 时频变化 分析卷94521 (IntechOpen, 2020)。
44. Lukin, VV, Öktem, R., Ponomarenko, NN & Egiazarian, K. 基于离散字符串变化的图像滤波。 电报和无线电工程 66 (18), 1685–1701 (2007)。