论文部分内容阅读
超声诊断具有无损、价廉、非电离辐射性、实时等优点,使其成为现代临床医学必不可少的影像诊断技术之一。由于超声成像的相干特性产生的大量斑点噪声,使超声图像存在信噪比低、成像质量差等问题,尤其是掩盖和降低了图像某些细节信息,给之后的图像特征提取和识别,病情诊断及定量分析造成不利的影响。因此,抑制这些噪声,增强图像的细节,改善图像质量是超声图像分析和识别的重要预处理环节,也成为近年来备受研究人员关注的热点问题。本文主要对医学超声图像的预处理方法进行研究,重点分析了医学超声图像的去噪与增强方法,并针对其中存在的问题,提出相应的改进算法。相对于传统去噪方法,ICA算法在信噪分离方面具有明显的优势,然而在实际问题中,源信号维数与观测信号维数往往不相等,从而限制了其应用领域。针对这个问题,本文提出了基于虚拟通道的ICA算法。该算法通过引入虚拟通道的概念,增加观测信号的维数,并分析了虚拟通道应用于ICA的原理,对如何构造虚拟通道进行讨论,最后通过仿真实验重点验证了算法的去噪性能,分析了其在去噪方面的优势及问题,为后续研究奠定了基础。然而,若将基于虚拟通道的ICA算法应用到医学超声图像去噪中,首先要解决在没有先验知识的情况下如何获得匹配度高的虚拟通道的问题,为此本文提出了基于自适应虚拟通道的医学超声图像去噪算法。算法从虚拟通道构造的几个问题入手,提出了用双树复小波(DT-CWT)分解医学超声图像,自适应构造虚拟通道的方法,并对DT-CWT与ICA结合去噪的优势进行讨论,最后通过与经典医学超声图像去噪方法的对比,验证了本方法提取的虚拟通道匹配度高,并能在有效去噪的同时保留图像细节、纹理特征,其各项去噪性能评价指标均好于经典方法。针对小波增强中小波阈值和调整函数的选择问题,及其不能同时兼顾细节与边缘的不足,本文提出了基于ICA与小波的医学超声图像增强算法。算法首先用ICA提取医学图像特征,并通过实验验证该图像特征层次感强、边缘清晰、细节信息丰富,然后对其进行小波分解便可以自适应的生成需要调整的特征参数,再结合小波重构原理,即可达到增强图像的目的。实验结果表明,该算法提高了图像的清晰度和对比度,增强后图像边缘清晰、细节丰富,符合人眼的视觉特性,比经典增强方法具有更好的增强效果。