基于小波域內分頻處理的醫(yī)學超聲圖像去噪算法.pdf

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

2、于去噪性能的要求以及要達到的目標，結合醫(yī)學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分頻處理的醫(yī)學超聲圖像去噪算法，即在高頻子帶利用閾值收縮算法得到去噪后的小波系數，利用去噪保邊濾波器過濾低頻子帶的小波系數。一方面，根據斑點噪聲在小波域內的分布特點提出改進的小波閾值函數，考慮小波域內小波系數之間的相關性，結合斑點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進行閾值收縮處理；另一方面，經過小波變換之后一部分大

3、顆粒斑點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，如雙邊濾波器或引導濾波器。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噪聲的表現，本文做了大量對比實驗進行驗證，包括仿真實驗和醫(yī)學超聲圖像實驗，通過對比分析可知本文算法不僅有較強的抑制超聲圖像中斑點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用于醫(yī)學實時成像系統(tǒng)。
　　本文的主要工作和成果如下：

4、　?。?）根據斑點噪聲在小波域內各個子帶中的特點并結合通用閾值函數得到改進的與分解層數相關的閾值函數，并在參數估計中給出了基于平滑塊的噪聲方差估計方法；
　?。?）在MAP收縮算法的基礎上結合斑點噪聲和無噪信號的統(tǒng)計模型得到新的去相關收縮算法，本文分別通過理論推導和實驗驗證論證了小波域內的斑點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作濾波處理，并在