论文部分内容阅读
在医学超声图像上,斑点噪声呈现为一种颗粒状的结构。由于超声成像原理的限制,斑点噪声在医学超声图像中是固有的,这严重降低了超声图像的质量。去除斑点噪声不仅是分析和诊断超声图像的重要步骤,而且是后期发展超声成像仪器自动化诊断技术的基础。移动和便携式超声扫描仪器的广泛普及也需要超声成像仪器提供更加清晰的超声医学图像。为了更好地去除斑点噪声,对传统小波滤波和双边滤波等去噪算法进行了深入研究,然后根据医学超声图像的特点,提出了一种去除斑点噪声的新算法：由改进的小波滤波与双边滤波结合的算法,即小波双边滤波法。首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础上,改进了小波阈值函数。其次,将无噪信号的小波系数建模为广义拉普拉斯分布模型,将斑点噪声的小波系数建模为高斯分布模型。通过使用贝叶斯最大后验估计方法得到了一种新型的小波收缩算法,对小波域内的高频信号分量进行小波阈值法处理。最后,对小波域内的低频信号分量进行双边滤波处理,利用小波逆变换便可得到去噪后的超声图像。针对仿真超声图像和临床超声图像分别进行了一系列的对比实验与分析,最终得出结论：本文提出的小波双边滤波法,不仅可以很好地抑制斑点噪声,而且能够保留图像中病灶边缘等细节部分。本文的主要工作和成果如下：1.在通用的小波阈值函数基础上,根据医学超声图像在小波域内的统计特点,提出了一种新型的与小波分解层数紧密相关的小波阈值函数；2.将小波域内的无噪信号与斑点噪声分别建模为广义拉普拉斯分布模型和高斯分布模型,并用曲线拟合的方法验证了模型,最后利用贝叶斯最大后验估计的方法得到了一种新型小波收缩算法；3.给出了一种去除斑点噪声的新思路,由于医学超声图像在小波分解后的低频部分依然存在斑点噪声,因此对图像的高频部分作小波去噪后,需要进一步地对图像的低频部分进行双边滤波处理；4.在超声医学图像的实验分析中,新型的无参考质量指标(NIQE)首次被应用到超声医学图像去噪算法的比较实验中,并且实验结果与预想一致；5.在超声仿真图像的实验中,本文同时引入了2种斑点噪声仿真方法,然后对本文去噪算法与其它7种去噪算法做出了对比实验；6.为了使本文算法得到方便的应用,开发了一套操作简单的GUI软件,即“超声医学图像去噪软件v1.0”。该软件不仅实现了小波双边滤波法和其他多种去噪算法,而且包含了全参考／无参考质量指标评价和噪声添加等功能。