石振刚，李芹子

(1.沈阳理工大学 信息科学与工程学院,沈阳 110159；2.辽宁省人民医院 呼吸内科,沈阳 110016)

肺部CT图像是呼吸内科医生对呼吸系统疾病进行治疗的重要依据。但肺CT图像在获取、传输及存储的过程中不可避免地要受到各种噪声的干扰，从而会给病灶图像分割及医生判断病人病情带来不良的干扰，所以有关肺部CT图像的去噪问题显得尤为重要。

图像去噪是图像处理与识别过程中的第一个步骤，图像去噪的成败对后续处理与识别的效果起着至关重要的作用[1-3]。近年来，研究人员根据不同图像噪声的特征提出许多去噪算法[4-6]，但在去噪的同时较好地保持图像的边缘、纹理等细节信息这一问题并未得到很好地解决。基于小波分析的图像去噪方法由于能够同时进行时域及频域的局部信息分析，并且可以提取图像的局部奇异特征，因而可在去噪的同时保留图像中的高频信息，但其缺点是会出现伪吉布斯效应进而出现边缘信息模糊的现象[7-9]。基于各向异性模型的去噪方法主要是对整体图像进行去噪，去噪结果对去除噪声和保持边界有很好的兼顾，其缺点在于去噪过程中会平滑图像中的纹理信息[10-12]。所以，本文提出结合小波去噪和各向异性模型去噪优点的小波各向异性模型肺部CT图像去噪算法。

1 小波去噪

多尺度分析是小波变换的主要特点，可在频率域将图像分解为低频部分和高频部分。在低频部分，分解的小波系数数目较少但幅值较大，主要对应图像的有用信息。……