基于DTCW T方向信息的超声图像斑点噪声消除

针对一般的小波去噪方法在去除超声图像斑点噪声时不能有效保持图像边缘信息的问题,本文提出基于双树复小波变换(Dual tree complex wavelet transform,DTCWT)方向信息的超声图像斑点噪声消除算法。利用双树复小波变换6个方向复小波系数的相对方差来确定该点是否位于边缘或纹理上,对低于门限的像素高频复系数置零以实现超声图像DTCWT域的自适应滤波。实验结果表明,与Lee,Frost,Kuan滤波方法相比,本文算法具有明显的优势;在图像平滑效果接近的情况下,本文算法边缘保持度略优于Yu提出的各向异性斑点噪声抑制(Speckle reducing anisotropic diffusion,SRAD)方法。

基于血液斑点噪声抑制和T-Snake模型的血管内超声图像边缘提取

血管内超声(IVUS)图像冠状动脉血管壁内、外膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。为了更好地抑制血管内超声图像的血液斑点噪声,首先采用一种时/空滤波方法对IVUS图像进行降噪预处理,以抑制其严重的血液斑点噪声;然后,为了更好地提取血管边缘,提出了一种改进的自适应形变模型,并基于该改进的自适应形变模型(T-Snake模型)给出了一种IVUS图像冠状动脉血管壁内、外膜边缘的提取方法。实验结果表明,该边缘提取方法有着较高的准确性和可靠性,对IVUS序列图像处理的可重复性和鲁棒性较好;也表明了改进的T-Snake模型的可实现性,以及IVUS图像血液斑点噪声抑制方法的有效性。

心脏医学超声图像序列的噪声抑制

从超声图像噪声的特点出发,利用各向异性扩散滤波技术,实现超声图像的自适应噪声抑制;并将其扩展到时间域图像序列的平滑中,以提高滤波的准确程度.模拟和临床实验表明:该方法可有效实现超声图像中斑点噪声的抑制,并提高图像序列的峰值信噪比;同时对心脏结构特征具有较好的保持和增强效果.

一种新型的超声图像斑点噪声抑制算法

针对斑点超声图像用传统的提取算法很难取得理想的效果,该文提出了一种基于各向异性扩散方程的超声图像斑点噪声抑制算法,新算法结合了鲁棒估计并考虑了斑点噪声特性,在有效抑制斑点噪声的同时具有更佳的鲁棒性,从而更好地保留甚至增强边缘细节信息。进而又提出了一种自动计算斑点尺度系数的方法,减少了人为因素的影响,提高了算法的稳定性。

超声图像斑点噪声抑制的实时处理系统

医学超声图像固有的斑点噪声掩盖了图像的细节部分,降低了图像的分辨率和对比度,因此需要对斑点噪声进行抑制来提高图像质量。针对这个问题,设计了一种基于现场可编程门阵列（FPGA）的超声图像斑点噪声抑制的实时处理系统。该系统对采集到的射频图像进行带通滤波、IQ分解、白化（二维快速傅里叶变换（FFT）/快速傅里叶逆变换（IFFT）、去相关）、幅度检测、对数压缩和去尖锐等处理后,再把处理好的图像通过USB传输到嵌入式计算机进行实时成像。实验证明,与原始的超声图像对比,经过该实时系统的图像的斑点噪声被明显打碎,图像更加细腻,达到了斑点噪声抑制的目的。

带预处理的双树复小波医学超声图像去斑

针对现有方法在去除医学超声图像斑点噪声上的局限,提出一种带预处理的双树复小波变换的去斑算法。先从超声I/Q图像中提取实部,并从中"盲估计"出系统的点扩散函数;然后通过维纳滤波,估计组织反射率图像;接着对该图像作同态变换将乘性噪声转化为加性,并进行噪声高斯化处理;最后采用双树复小波变换和双变量收缩函数,获得去斑后的超声图像。分别对同质和边界区域的超声仿真图像、实际超声血流图像采用本文方法和现有方法进行比较实验,结果表明,采用本文方法可将超声图像的斑点信噪比和边界保留指数平均提高2.066和4.091倍,归一化均方差平均降低3.831倍,整体性能指标优于现有方法。

基于自适应形态滤波的医学超声图像降噪

针对医学超声图像上的斑点噪声,本文提出一种基于自适应形态滤波的降噪方法。首先构造一组检测图像中不同像素值突变的结构因子;再对每个结构因子构造相应的形态滤波结构元;最后对每个像素点邻域进行结构检测,找到该点处最可能存在的突变结构,以相应的结构元完成该点的形态滤波。对不同信噪比的仿真图像和实际图像分别采用本文方法和各向异性扩散滤波、不同尺度传统形态滤波进行了比较实验,结果表明:采用本方法可将超声图像的信噪比、对比度噪声比和图像优度分别平均提高15%、37%和69%,优于其它方法。

超声图像斑点抑制和边缘增强的异质扩散方法

证明了非锐化掩模滤波等价于具有Huber流导函数的PM异质扩散.基于最小可信尺度和局部尺度控制,提出一种用于对数压缩超声图像斑点噪声抑制的异质扩散(LSCAD)方法.该方法无需假设斑点统计分布,直接从一、二阶方向导数的局部特征估计噪声强度,并利用所估计的局部噪声设计可调扩散过程,能根据图像中斑点程度在任何位置或方向上停止.合成图像和临床B超图像实验证实,本法能有效抑制斑点噪声、增强组织边缘而不丢失特征细节.同时,将该方法与前人方法进行比较以验证其性能.

基于PCNN的小波域超声医学图像去噪方法

在分析小波去噪和脉冲耦合神经网络(pulse coupled neural networks,简称为PCNN)去噪优缺点的基础上,提出一种基于PCNN的小波域超声医学图像去噪方法(a method of medical ultrasonicimage de-noising based on PCNN in the Wavelet Domain,简称为PCNN-WD).该方法先对小波系数进行相应的预处理,然后应用PCNN在小波域中修改小波系数,以达到去噪的目的,并且该方法能够自动地设定阈值和修改小波系数的步长.实验结果表明,该方法可以有效地去除斑点噪声,并很好地保留图像细节和图像边缘.

基于自适应阈值的curvelet医学超声图像去噪算法

传统的超声图像去噪算法在抑制斑点噪声的同时,会丢失图像中的大量细节和微弱的边缘信息。该文基于curvelet变换提出一种新的自适应阈值去噪声算法,该算法利用各层curvelet系数局部方差在超声图像纹理与平滑度的差异,分别定义模糊区域和隶属度函数,并根据隶属度函数确定相关curvelet系数的自适应阈值,通过该阈值实现对超声图像的去噪。实验测试表明,该方法在保留原有图像细节信息的基础上有效地降低了超声图像的斑点噪声,极大地提升B超仪器的性能。

医学超声图像三域滤波去噪算法

针对视频格式的医学超声图像序列,提出了一种同时利用空间域、灰度域和时间域的相关信息的三域滤波算法。首先对每一帧图像,充分利用空间域和灰度域的相关信息构建自适应邻域,接着进行空间域和灰度域加权滤波,最后利用相邻帧之间的时域相关性进行时域加权滤波。三个域的滤波均采用高斯核函数加权,从而减小了滤波结果对阈值选取的敏感度,提高了算法的稳定性。实验结果表明,三域滤波算法能有效地抑制图像中的噪声,并保留边缘细节,有利于图像的特征提取、识别和分析。

一种基于深度学习的自适应医学超声图像去斑方法

针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法。首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训练去斑模型并获得去斑后的图像。实验结果表明,该文较已有的方法,能更有效地滤除医学超声图像中的斑点噪声并更多的保留图像细节。

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。

基于幂次变换的自适应超声医学图像去噪算法

目的探求一种有效地去除噪声又能很好地保留超声医学图像高频细节信息的去噪算法。方法提出一种基于幂次变换的自适应超声医学图像去噪算法,该算法主要是对大于阈值的小波系数进行幂次变换,使处理后的小波系数尽可能地接近原始小波系数,并能很好地保留小波系数的连续性。结果实验结果表明,噪声较小时,该算法方差较小,并且视觉效果优于软阈值算法。结论该算法有效地实现了对超声医学图像斑点噪声的自适应抑制,在噪声较小时,能很好地去除噪声,并保留高频细节信息。

基于Gauss曲率的医学超声图像去噪算法研究

针对医学超声图像清晰度低,易受乘性噪声污染等问题,提出了一种基于Gauss曲率的超声图像去噪算法,并构造一种Gauss曲率扩散函数,自适应控制扩散速度,克服了传统去噪算法不能保护弱边缘的缺点。根据变分法得到Euler-Lagrange方程,给出一种计算平衡系数的方法,并引入图像差异范数作为终止迭代准则。数值实验仿真结果显示,该算法能够有效去除医学超声图像中的噪声,较好地保留超声图像中大量存在的弱边缘信息,本算法的PSNR比传统算法提高了大约4dB。

基于异性扩散-中值滤波的超声医学图像去噪方法

针对超声图像存在一种特殊的斑点噪声,使图像边界与细节变得模糊而严重影响图像质量的问题,提出了一种新的去除医学图像斑点噪声的方法,它利用中值滤波和各向异性扩散相结合,不仅可以有效地去除噪声而且很好地保持了边缘、局部细节信息。此外,该方法在扩散过程中,梯度阈值选取的不同对图像结果影响很小,这极大地提高了该算法的健壮性。实验中,通过和各向异性扩散、中值滤波等方法的比较,表明该方法具有良好的去噪效果。

基于分数阶非高斯模型的超声图像散粒噪声特性分析

医学超声图像在应用中遇到的一个重要问题是如何消除图像中由于散射现象的相干本质而引起的多径乘性散粒噪声。稳定分布可以用来描述重拖尾非高斯尖峰脉冲信号和噪声。本文利用一种散粒噪声模型,通过分析与稳定分布建模,提出了一种基于稳定分布模型的超声图象散粒噪声建模的新方法。仿真结果表明,该建模方法能更好地描述乘性散粒噪声。

CUDA加速医学超声图像SRAD去噪

超声成像的相干特性导致了超声图像中的斑点噪声,它的存在严重影响了医生对患者病情的诊断,因而滤除斑点噪声非常的重要。各向异性斑点去噪(SRAD)可以很好去除斑点噪声并保持边缘信息,已广泛的应用于超声图像的去噪。但是由于SRAD算法是一个迭代的算法,在迭代次数很多的情况下计算量很大,因而耗时比较长。为了解决此问题,利用GPU相比CPU在大量重复性的计算中具有的优势,用CUDA对SRAD算法进行并行加速处理,试验表明,CUDA可以显著加速SRAD算法的运行,最大的加速比达到了55.26倍。

BP神经网络在医学超声图像去噪中的应用研究

超声图像作为一项独立出来的影响检查技术,以其便宜、简便、实时和对人体无害等优点服务于临床医学。然而在实际应用中,由于成像设备和成像原理等因素,导致所成图像中不可避免的出现了斑点噪声和失真的问题。这样不仅给医生诊断疾病增加了难度,给图像的后期处理也带来了不便。针对图像中存在的斑点噪声,本文利用BP神经网络强大的非线性映射能力,研究了利用BP神经网络对医学超声图像的降噪方法。首先根据实际需求构建出合适的神经网络模型,然后选取若干超声图像作为训练数据进行训练,再随机选取测试数据集对训练好的神经网络进行测试。通过两幅超图像的实验结果表明,利用BP神经网络模型可以有效地降低超声图像中的斑点噪声,并且能够较好地保留图像的边缘特征,是一种有效的医学超声图像降噪方法。

医学超声图像的对比度增强与分割

医学超声图像因对比度较低、形成过程产生的独有的斑点噪声等影响了手动与计算机辅助分析的效果,尤其是影响了计算机定量测量的效果。为了增强超声图像的对比度,提出了一种模糊增强算法对超声图像进行显著增强,并利用马尔可夫随机场与最大后验概率理论对增强后的图像进行分割,得到了满意的分割效果。