基于小波變換的醫(yī)學(xué)超聲圖像去噪方法研究.pdf

1、近年來，隨著小波理論的不斷完善，小波分析己經(jīng)滲透到各學(xué)科領(lǐng)域。在小波變換域中去除圖像中的噪聲是近年來的研究熱點之一，許多小波圖像去噪算法已經(jīng)被陸續(xù)提出。本文針對醫(yī)學(xué)超聲圖像中噪聲的特點，提出了一種基于非參數(shù)自適應(yīng)估計理論的超聲圖像去噪算法。 由于超聲圖像的噪聲情況復(fù)雜，這就對其去噪方法提出了更高的要求。超聲圖像去噪的目的不僅要平滑噪聲，還要盡可能地保留原始圖像的細節(jié)特征。細節(jié)特征是醫(yī)生診斷器官是否有病變的重要依據(jù)。為了在去除噪聲

2、的同時能夠更好地保護邊緣及有用的細節(jié)信息，本文在以下兩個方面作了深入的研究：一，在平穩(wěn)小波變換域中對超聲圖像進行去噪研究；二，基于非參數(shù)自適應(yīng)估計理論來確定小波的閾值。 平穩(wěn)小波變換是在正交小波變換基礎(chǔ)上提出的一種非正交小波變換方法，與正交小波變換的區(qū)別在于每次分解過程中不進行下采樣，因此每一層的大小仍和原圖像一樣。正交小波變換在每次分解時對信號進行二抽取，不具有小波域的時(空)移不變性，在經(jīng)過閾值處理，重建圖像時易出現(xiàn)偽峰值

3、點等“不平穩(wěn)現(xiàn)象”，不利于圖像邊緣的精確重構(gòu)。平穩(wěn)小波變換克服了正交小波變換的這一弱點，通過在所有尺度下保留所有系數(shù)、犧牲正交性的方法使其具有了平穩(wěn)性，并且使圖像信號消噪后保持良好的邊緣特征。 在利用Birgé-Massart提出的非參數(shù)自適應(yīng)密度估計理論來確定小波的閾值時，未知的概率密度函數(shù)不必屬于任何一個給定的模型，其中的最佳模型能夠大致達到模型中估計冒險和模型與未知概率密度的距離之間的最佳平衡。當(dāng)模型具有好的估計特性時，

4、選擇合適的懲罰函數(shù)，可以得到自適應(yīng)的估計量，這種自適應(yīng)估計量能夠在概率密度平滑性未知的情況下，得到與平滑度已知時同樣程度的估計。本文使用的自適應(yīng)估計量為懲罰投影估計量。本文的閾值選取策略并不是選取大于某個確定閾值的系數(shù)，而是首先確定要保留的系數(shù)個數(shù)，然后取那些值最大的系數(shù)。當(dāng)該閾值方法用于小波域時，即使是僅僅保留每層最大的幾個系數(shù)，也可以得到準(zhǔn)確的估計效果。 本文結(jié)合非參數(shù)自適應(yīng)估計理論，提出一種平穩(wěn)小波變換域中的超聲圖像去噪方