医学超声图像SRAD模型优化研究

研究医学超声图像提取优化问题,超声图像斑点噪声较大,影响图像精度。为抗噪声,提出一种各向异性斑点减少模型(SRAD)的优化方法,用于减少超声图像中的斑点噪声。采用扩散方向由四个扩展为八个,再根据八个方向到中心点的距离不同赋予相应的权值,进行仿真,使图像信息得到加强的同时减少所需的迭代次数。仿真结果表明,在处理速度加快,并能够较好地保证处理后得到的图像在抑制噪声和保护图像的精度质量。

SRAD-高斯金字塔优化模型研究

在超声医学图像斑点噪声处理过程中,SRAD算法易受噪声梯度的影响。为此,提出一种基于自适应加权的SRAD-高斯金字塔联合优化模型。以最小的迭代次数去除超声图像中的斑点噪声,利用优化的高斯金字塔模型对原始图像重新融合,计算8个不同扩散方向和中心的相似度,并分别赋予相应权重。实验结果表明,在保存图像纹理的同时,该模型能较好地抑制噪声、加快处理速度。