使用二维小波收缩法去除弹性成像蠕虫噪声

本文研究使用二维小波收缩去噪法去除弹性成像过程中产生的蠕虫噪声。先使用Sym8小波函数对含有蠕虫噪声的应变估计值矩阵进行3级二维离散小波分解,并使用Birg-éMassart算法获取二维小波变换的域值;然后分别使用硬域值函数和软域值函数对各尺度的水平方向、垂直方向、对角方向的高频系数进行量化;最后将第3层低频系数和各层被量化后的高频系数进行二维小波重构产生去噪后的弹性图像。仿真结果显示,提出的技术有效去除了弹性成像的蠕虫噪声,增强了弹性图像的信噪比(SNRe)和对比度噪声比(CNRe),提高了弹性图像与理想弹性图的相关系数(е);与二维低通滤波去噪法相比,使用二维小波收缩法产生的弹性图像有更高的SNRe和CNRe,能更清晰地显示硬物边界。同时,仿真结果也表明该技术对不同应变量的弹性图像的蠕虫噪声均能有效抑制。本研究表明二维小波收缩去噪法能有效去除弹性图像的蠕虫噪声并提高弹性图像性能。

高重叠率下弹性成像应变估计值的小波去噪研究

目的高的数据窗重叠率是提高弹性成像轴向分辨率的必要条件，但重叠率的增加会使位移估计的相关误差急剧增长，产生所谓的“蠕虫”噪声。本研究使用小波收缩法去除高重叠率下弹性图像蠕虫噪声。方法对每一条轴向应变A-line先进行3级离散小波分解，然后根据4种自适应阈值之一使用软阈值函数对每一层小波高频系数进行量化，最后进行小波重构产生去噪后的应变A—Line。结果仿真结果表明提出的技术能有效去除蠕虫噪声，增强弹性图像的信噪比（SNRe）和对比度噪声比（CNRe）；与低通滤波相比，使用小波去噪产生的弹性图像更接近于理想弹性图（有更高的相关系数）；另外，仿真结果也显示小波去噪应用于应变估计值比应用于位移估计值能获得更好的图像质量参数；弹性体模实验结果也表明该技术能有效改进应变图像性能。结论小波收缩去噪技术能有效地去除弹性图像的蠕虫噪声，在保持高的轴向分辨率的情况下提高弹性图像的性能。