超聲圖像濾波和數(shù)字減影血管造影運動偽影消除.pdf

1、上海交通大學碩士學位論文上海交通大學碩士學位論文超聲圖像濾波和數(shù)字減影血管造影運動偽影消除超聲圖像濾波和數(shù)字減影血管造影運動偽影消除作者姓名任苗健作者學號1070329143指導教師楊新學科專業(yè)模式識別與智能系統(tǒng)研究方向醫(yī)學圖像處理圖像處理與模式識別研究所上海交通大學2010年1月I超聲圖像濾波和DSA運動偽影消除超聲圖像濾波和DSA運動偽影消除摘要醫(yī)學圖像處理與一般的圖像處理相比，數(shù)據(jù)量比較大，對細節(jié)和實時性要求相對較高，并且對于某些

2、處理后圖像的評價需要醫(yī)生的參與。對于單一圖像而言，其中的異常點，要根據(jù)已有的經(jīng)驗模型或者數(shù)學分布來分析此點是病灶點還是噪聲點。另一方面，對于圖像之間的運算，比如DSA圖像序列的減運算，經(jīng)常會引入新的錯誤信息，產(chǎn)生運動偽影。本文就是要解決如何消除這些靜態(tài)時的噪聲和動態(tài)時的偽影問題。對于噪聲，綜合比較各種醫(yī)學模態(tài)的成像結果，超聲的斑點噪聲(specklenoise)是很普遍并且難以處理的，但由于超聲成像的較為理想的動態(tài)特性是其他成像沒法取代

3、的，所以斑點噪聲的去噪還是很有意義的。一般的消除斑點噪聲的方法有兩種，一種是圖像平均，一種是圖像濾波。[05]前者的思路簡單，但是丟失了很多空間信息，降低了空間分辨率。本文從基于異性擴散方程的算法出發(fā)，對于各種針對此算法的改進進行了總結，并提出了自己的改進方案，至于異性擴散方程的離散化而帶來的多次模板遍歷而產(chǎn)生的計算量大的問題，通過GPU的FBO(FrameBufferObject)并行處理有了很好的改善。本文的第二部分的主題是消除DS