基于自適應(yīng)小波與三邊濾波的超聲圖像去噪算法.pdf

1、超聲診斷作為一種新型的無創(chuàng)傷性臨床新技術(shù)，在醫(yī)學(xué)領(lǐng)域應(yīng)用越來越廣泛。但由于成像機(jī)制和設(shè)備的限制，醫(yī)學(xué)超聲圖像中存在固有的斑點(diǎn)噪聲和失真，嚴(yán)重降低了圖像的質(zhì)量。斑點(diǎn)噪聲在超聲圖像中表現(xiàn)為黑白點(diǎn)相間的顆粒狀紋理結(jié)構(gòu)，不僅影響了后續(xù)的圖像分析和診斷，而且普及的超聲掃描儀等新型技術(shù)也需要超聲成像設(shè)備提供更清晰的超聲圖像。因此斑點(diǎn)噪聲的抑制甚至消除迫在眉睫，這引起了醫(yī)學(xué)專家們的重視。
　　針對(duì)斑點(diǎn)噪聲，本文對(duì)經(jīng)典的小波變換和傳統(tǒng)的雙邊濾波等

2、去噪算法進(jìn)行深入的分析研究，并在此基礎(chǔ)上提出一種新穎的基于自適應(yīng)小波與三邊濾波的集成去噪算法，即將改進(jìn)的自適應(yīng)小波變換與提出的三邊濾波器相結(jié)合來處理噪聲問題。該算法不僅有效抑制了斑點(diǎn)噪聲，而且優(yōu)化了臨床圖像。本文主要研究內(nèi)容如下：
　?。?）采用一種動(dòng)態(tài)變化的加性模型來闡述刻畫帶斑點(diǎn)噪聲的醫(yī)用超聲信號(hào)，并對(duì)其統(tǒng)計(jì)特性進(jìn)行分布分析。
　?。?）根據(jù)數(shù)學(xué)模型的統(tǒng)計(jì)特性，改進(jìn)了傳統(tǒng)的小波閾值函數(shù)和收縮算法，提出一種基于小波變換的自

3、適應(yīng)去噪算法，應(yīng)用于小波分解后的帶噪醫(yī)學(xué)信號(hào)。該算法對(duì)小波域內(nèi)斑點(diǎn)噪聲的高頻分量的抑制效果尤為顯著。
　?。?）由于自適應(yīng)小波去噪主要是針對(duì)圖像信號(hào)的高頻分量，而低頻分量仍有噪聲存在，本文基于雙邊濾波的原理提出了一種新型的三邊濾波器，主要對(duì)醫(yī)學(xué)信號(hào)的低頻分量進(jìn)行濾波優(yōu)化處理，有效抑制了實(shí)際數(shù)據(jù)集里的斑點(diǎn)噪聲，不僅保留了雙邊濾波的去噪優(yōu)勢，而且彌補(bǔ)了其梯度失真的弊端。
　?。?）將自適應(yīng)小波去噪算法與三邊濾波器相結(jié)合，提出一種

4、“自適應(yīng)小波_三邊濾波”的集成算法，對(duì)醫(yī)學(xué)超聲圖像信號(hào)進(jìn)行去噪，并采用小波逆變換得到去噪后的圖像。
　?。?）為驗(yàn)證本文算法的去噪性能，將該算法與其它8種經(jīng)典去噪算法進(jìn)行實(shí)驗(yàn)比對(duì)。首先，將9種算法應(yīng)用于合成圖像進(jìn)行仿真實(shí)驗(yàn)，并采用邊緣相似度（FOM）、峰值信噪比（PSNR）、運(yùn)行時(shí)間（RT）和結(jié)構(gòu)相似度（SSIM）四種全參考型圖像質(zhì)量指標(biāo)對(duì)去噪后的圖像進(jìn)行量化分析和評(píng)價(jià)。然后，為提高真實(shí)性和可靠性，將這9種算法應(yīng)用于真正的臨床超聲