小波变换与傅里叶域滤波在医学图像去噪中的比较研究
统计力学
2025-10-01 v1
摘要
医学图像去噪是医学成像中至关重要的预处理步骤，对于提高诊断清晰度至关重要。虽然深度学习方法在性能上达到业界最佳水平，但其计算复杂度和数据要求可能令人望而却步。在本研究中，我们对两种经典且计算效率高的变换域技术——离散小波变换 (DWT) 和离散傅里叶余弦变换 (DFCT) 滤波——进行了全面的比较分析。我们评估了它们在去除高斯噪声、均匀噪声、泊松噪声和盐粒噪声侵蚀的医学图像效果。与通常认为小波因其多分辨率能力而被优先考虑的假设相反，我们的结果表明，基于小块的DFCT方法在所有噪声类型和性能指标 (信噪比、峰值信噪比、结构相似性) 下，均显著并持续地优于全局DWT方法。我们认为DFCT优越性能归因于其局部处理策略，通过在小图像块上操作，更好地保留细节，有效地适应局部统计特征，而不会引入全局性瑕疵。这一发现强调了仅就变换属性选择算法，而不考虑处理方法论的重要性，並將DFCT定位為医学成像应用中一种高度有效且高效的去噪工具。
引用
@article{arxiv.2509.26608,
title = {Comparative study of Wavelet transform and Fourier domain filtering for medical image denoising},
author = {M. Ali Saif and Bassam M. Mughalles and Ibrahim G. H. Loqman},
journal= {arXiv preprint arXiv:2509.26608},
year = {2025}
}
备注
21 pages, 11 figures