文献综述（或调研报告）：
X射线透视成像是目前最常用的医学成像手段，然而由于其穿透性对人体会造成一定的伤害，所以如何用低剂量的X射线形成较为清晰的透视图像成为目前医用X线研究的重点。为了进行X线透视图像的去噪研究，首先我们往往需要合理的噪声模型和良好的噪声估计方法。目前也已经有许多大家公认的较为合理的噪声模型和噪声估计方法，每种方法都有其可取与不足之处，每年也不断有推陈出新向更完美的方向发展。我也希望能尽一份薄力，站在前人的基础上继续研究更好的噪声模型与噪声估计方法。
谈到X射线的噪声研究，首先不得不说X射线噪声的产生原因以及X射线噪声的类别。
目前医用X射线透视仪器主要是低剂量的DR仪器，与CR相比DR的X射线直接转换直接创建有数字格式的图像，成像环节少，且提高了X线的光子转化效率使得射线剂量更低对人体伤害更小。而DR系统成像的噪声源主要分为两类，一类是系统固有噪声包括CDD响应不一致性，成像屏响应不一致性以及图像渐晕性，另一类则是系统随机噪声，包括正向脉冲噪声，高斯噪声以及散射模糊噪声【1】。
对于成像系统固有噪声在陈树越与路宏年的论文中【1】认为这些噪声在空间上是随机的但在时间上是有规律变化的。他建立了如下线性模型y=x·g b，其中y是实测图像，x是理想图像，b是暗电流项，g是线性比例因子与成像系统固有噪声有关。然后陈等人再用X线照射等厚均匀钢板得到实测图像y0和理想图像c。联立两式可以得到可以有效矫正固有噪声的式子，经过试验矫正后可以明显看出矫正了成像屏的缺陷以及图像灰度的渐晕性。
而对于系统随机噪声，其讨论向来是X射线噪声研究的重点。DR系统从拍摄到成像会受到很多方面的影响，包括泊松噪声，缩放测量中的对数变换以及系统矫正过程。这些因素也导致噪声模型的建立十分复杂，为此研究人员也提出了众多噪声模型。这些噪声模型大致分为两类，一类认为噪声是高斯随机分布的，且方差随图像信号变化【2】。该模型是利用GE旋转CT扫描仪在同一个角度重复获取投影图像发展而来的。另一类模型从光子计数模式发展而来的，这一类模型的建立是基于量子噪声的泊松分布的假设。如【3】中吴路崎等人认为光子噪声统计是X射线显微成像中的主要图像噪声之一，并由光子噪声理论研究图像的信噪比SNR与物体透射系数之间的关系。因为DR系统能够检测到与信号成正比的能量分布，且DR成像原理也是由打在感光板上的光子曝光成像，所以光子计数模式仍然是很好的近似模型。当然无论是高斯噪声模型还是泊松噪声模型均可以通过尺度变换等手段转换为独立的加性高斯白噪声模型（AWGN）【4】。因此也是目前主流的X线噪声模型大多将X线噪声看做加性噪声，噪声模型为y=x n，其中y为观测信号，x为原始信号，n为均值为0方差为sigma;方的高斯白噪声。这一噪声模型已经过许多研究人员验证，甚至能试用于CT图像等其他x线成像【5】。
一个良好的噪声模型有助于之后的噪声估计方法的研究，默认X线噪声模型为加性高斯白噪声后，在进行噪声估计方法的试验比较时可以直接在图像上加高斯白噪声模拟X线噪声。当然在进行噪声估计方法研究前，我需要从X线透视图像中提取出噪声特性进行研究。提取的方法目前我想用Burt和Adelson提出的基于拉布拉斯金字塔的图像分解算法【6】。这一算法可以有效的将图像的高频信息和低频信息分开，而图像中的噪声就主要集中在拉普拉斯金字塔中的第一层。这一方法好但是我并不确定我能不能实现，所以暂且定为这个。已有的噪声估计算法有很多，简单有小波法【7】和快速检测法【8】，前者利用小波变换抑制图像中的结构信息，利用中值滤波器对图像的对角线细节系数操作得到噪声估计，后者先用拉普拉斯算子对图像进行平滑滤波，然后进行噪声估计。这两种方法都是利用全图的像素点进行噪声估计，当图像中的纹理信息较多时就会使得噪声估计结果过估计，得到的估计结果较大。
因此要设计好的噪声估计方法需要将方法的适用性与方法的准确性有机统一起来，在提高适用性的同时尽量提高准确度。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
