基于小波域內(nèi)分頻處理的醫(yī)學(xué)超聲圖像去噪算法.pdf

1、在醫(yī)學(xué)臨床診斷當(dāng)中，超聲診斷技術(shù)的使用變的越來越重要。但在超聲成像過程中形成的斑點(diǎn)噪聲往往會掩蓋用于醫(yī)學(xué)診斷的重要的圖像特征并顯著降低圖像質(zhì)量，會對診斷的準(zhǔn)確性造成很大的影響。醫(yī)學(xué)超聲圖像去噪的本質(zhì)就是利用得到的含噪圖像去估計反映人體器官結(jié)構(gòu)特征的無噪圖像，根據(jù)要求得到對真實(shí)圖像的最優(yōu)估計。超聲圖像去噪屬于圖像預(yù)處理階段，它的存在對于后期目標(biāo)的準(zhǔn)確識別診斷有著非常重要的意義。
　　根據(jù)醫(yī)學(xué)超聲圖像中斑點(diǎn)噪聲的獨(dú)特性，圍繞超聲系統(tǒng)對

2、于去噪性能的要求以及要達(dá)到的目標(biāo)，結(jié)合醫(yī)學(xué)超聲圖像在小波域的統(tǒng)計特性，本文提出一種基于小波域內(nèi)分頻處理的醫(yī)學(xué)超聲圖像去噪算法，即在高頻子帶利用閾值收縮算法得到去噪后的小波系數(shù)，利用去噪保邊濾波器過濾低頻子帶的小波系數(shù)。一方面，根據(jù)斑點(diǎn)噪聲在小波域內(nèi)的分布特點(diǎn)提出改進(jìn)的小波閾值函數(shù)，考慮小波域內(nèi)小波系數(shù)之間的相關(guān)性，結(jié)合斑點(diǎn)噪聲和無噪信號的統(tǒng)計模型得到新的閾值收縮算法對高頻子帶的小波系數(shù)進(jìn)行閾值收縮處理；另一方面，經(jīng)過小波變換之后一部分大

3、顆粒斑點(diǎn)噪聲存在于低頻部分，所以選用可以去噪保邊的濾波器過濾低頻子帶小波系數(shù)，如雙邊濾波器或引導(dǎo)濾波器。最后利用小波逆變換可以得到去噪后的超聲圖像。為了客觀評價本文算法在抑制超聲圖像中斑點(diǎn)噪聲的表現(xiàn)，本文做了大量對比實(shí)驗(yàn)進(jìn)行驗(yàn)證，包括仿真實(shí)驗(yàn)和醫(yī)學(xué)超聲圖像實(shí)驗(yàn)，通過對比分析可知本文算法不僅有較強(qiáng)的抑制超聲圖像中斑點(diǎn)噪聲的能力還能更好的保留邊緣信息，同時其耗時短從而可以應(yīng)用于醫(yī)學(xué)實(shí)時成像系統(tǒng)。
　　本文的主要工作和成果如下：

4、　?。?）根據(jù)斑點(diǎn)噪聲在小波域內(nèi)各個子帶中的特點(diǎn)并結(jié)合通用閾值函數(shù)得到改進(jìn)的與分解層數(shù)相關(guān)的閾值函數(shù)，并在參數(shù)估計中給出了基于平滑塊的噪聲方差估計方法；
　?。?）在MAP收縮算法的基礎(chǔ)上結(jié)合斑點(diǎn)噪聲和無噪信號的統(tǒng)計模型得到新的去相關(guān)收縮算法，本文分別通過理論推導(dǎo)和實(shí)驗(yàn)驗(yàn)證論證了小波域內(nèi)的斑點(diǎn)噪聲和無噪信號分別服從高斯分布和拉普拉斯分布；
　?。?）創(chuàng)造性的提出利用可以去噪保邊的濾波器對小波域低頻子帶小波系數(shù)作濾波處理，并在