论文部分内容阅读
医学超声图像由于其实时、廉价、无辐射等优点,获得了普遍的研究、运用和发展。但医学超声图像受本身成像原理的限制,致使其图像的分辨率不高而且噪声污染严重,医学超声图像中主要的噪声是乘性的斑点噪声(speckle noise)。对医学超声图像中的斑点噪声分布特性进行分析和设计能有效去除该种噪声的滤波器是一个亟待解决的难题。本文先用真实的医学超声图像研究斑点噪声的分布特征,后又从生物的视觉机理出发,模仿生物视觉自适应去噪机制,设计了基于生物视觉机理的自适应医学超声图像去噪技术。至今,已有不少研究人员从超声图像中斑点噪声形成的原理出发,经由一系列的条件假设研究了医学超声图像中斑点噪声的分布特征,但缺少从真实的医学超声图像出发解析斑点噪声分布特征的研究。本文从华西医院超声科取得大量真实的肝脏、乳腺和甲状腺三个部位的超声图像,然后手动地从这些超声图像中斑点噪声多的区域抠取大量噪声像素块,用K-S(the Kolmogorov-Smirnov test)和拟合优度(the Goodness of Fit test)进行统计检验。通过本文的研究发现,医学超声图像中大量存在的斑点噪声是满足伽马分布的噪声。由于斑点噪声的存在严重降低了医学超声图像的清晰度,进而增加了医生诊断疾病的难度。生物视觉系统不仅可以将接收到的光信号转换成神经冲动,还具有极强的信息处理能力,能够自适应地去除图像中的噪声。因此,本文基于视网膜中垂直信息通路机制,分别模拟双极、神经节细胞感受野的自适应机理,在自适应去除医学超声图像中斑点噪声的同时保持图像细节不被模糊,可有效提升医生的诊断准确率。通过实验结果分析表明,本文基于生物视觉机理的自适应医学超声图像去噪方法不但能有效抑制噪声,还能自适应的增强图像的边缘等细节。经过与经典的各向异性扩散滤波、双边滤波、引导滤波和BM3D等去噪算法的去噪结果图比较,证明经过该方法处理后的超声图像确实具备较好的性能。