论文部分内容阅读
在医学临床诊断当中，超声诊断技术的使用变的越来越重要。但在超声成像过程中形成的斑点噪声往往会掩盖用于医学诊断的重要的图像特征并显著降低图像质量，会对诊断的准确性造成很大的影响。医学超声图像去噪的本质就是利用得到的含噪图像去估计反映人体器官结构特征的无噪图像，根据要求得到对真实图像的最优估计。超声图像去噪属于图像预处理阶段，它的存在对于后期目标的准确识别诊断有着非常重要的意义。 根据医学超声图像中斑点噪声的独特性，围绕超声系统对于去噪性能的要求以及要达到的目标，结合医学超声图像在小波域的统计特性，本文提出一种基于小波域内分频处理的医学超声图像去噪算法，即在高频子带利用阈值收缩算法得到去噪后的小波系数，利用去噪保边滤波器过滤低频子带的小波系数。一方面，根据斑点噪声在小波域内的分布特点提出改进的小波阈值函数，考虑小波域内小波系数之间的相关性，结合斑点噪声和无噪信号的统计模型得到新的阈值收缩算法对高频子带的小波系数进行阈值收缩处理；另一方面，经过小波变换之后一部分大颗粒斑点噪声存在于低频部分，所以选用可以去噪保边的滤波器过滤低频子带小波系数，如双边滤波器或引导滤波器。最后利用小波逆变换可以得到去噪后的超声图像。为了客观评价本文算法在抑制超声图像中斑点噪声的表现，本文做了大量对比实验进行验证，包括仿真实验和医学超声图像实验，通过对比分析可知本文算法不仅有较强的抑制超声图像中斑点噪声的能力还能更好的保留边缘信息，同时其耗时短从而可以应用于医学实时成像系统。 本文的主要工作和成果如下： （1）根据斑点噪声在小波域内各个子带中的特点并结合通用阈值函数得到改进的与分解层数相关的阈值函数，并在参数估计中给出了基于平滑块的噪声方差估计方法； （2）在MAP收缩算法的基础上结合斑点噪声和无噪信号的统计模型得到新的去相关收缩算法，本文分别通过理论推导和实验验证论证了小波域内的斑点噪声和无噪信号分别服从高斯分布和拉普拉斯分布； （3）创造性的提出利用可以去噪保边的滤波器对小波域低频子带小波系数作滤波处理，并在结合引导滤波器时给出了引导图的获得方法； （4）本文做了大量的仿真实验和超声图像实验，并在实验结果分析中结合各种评价指标和分析方法将本文算法与其他六种去噪方法做了对比分析。