基于NSST变换的超声图像降噪算法

针对超声图像降噪算法在降噪的同时无法很好地保留图像的细节信息问题,提出了一种改进的基于非下采样剪切波变换(NSST)的超声图像降噪算法。首先通过对数变换将乘性噪声转换成加性噪声,然后使用NSST变换对噪声图像进行多尺度分解得到高频子带和低频子带,低频子带使用同态滤波增强细节信息,高频子带采用改进的阈值处理函数降低噪声,对处理之后的高频部分使用梯度域引导滤波(GDGIF)增强图像的细节信息和边缘信息,最后将逆NSST变换后的图像进行指数变换得到降噪后的图像。实验结果表明,该算法峰值信噪比(PSNR)、结构相似性(SSIM)有一定提高,能在去除噪声的同时尽可能保留图像的细节信息。