一种新型自适应中值滤波器在超声医学图像中的应用

在中值滤波器的框架下 ,专门针对超声医学图像 ,提出了一种新的自适应中值滤波器 ,其自适应机制的是在一个子窗口内的四个主要方向先分别进行中值滤波 ,再用原始图像与四个子图像的差值产生加权系数 ,之后进一步用四个子图像加权合成新图像。这种滤波方法有较好的细节保护特性和较强的滤噪特性。分析了新滤波器的特性 ,并给出了质量较好的超声心脏滤波图象。

超声医学图像滤波算法研究进展

主要讨论超声医学图像滤波算法的研究现状 ,几种主要的滤波方法 (多方位滤波方法、自适应权值调节滤波方法、自适应窗口选取滤波方法、两步法等 ) ,面临的问题及发展的方向。作者通过实践 ,将有关算法应用于超声医学图像的处理 ,给出了处理结果 。

多普勒血流超声医学图像的动态三维重建

目的将超声医学图像三维重建技术与多普勒血流成像技术结合起来 ,实现超声血流图的动态三维重建。方法通过对多普勒血流图的彩色编码方式的研究 ,利用多普勒血流图中ColorBar的信息 ,解决了从原始多普勒血流图中分离解剖结构和功能信息的问题 ,实现了心腔内血流的动态三维重建及与心脏解剖结构的三维融合显像。结果对临床人体实验获取的超声血流图像进行三维重建 ,所得重建图中血流信息与解剖结构之间的相互关系正确 ,与心脏解剖生理情况相符 ,证明了方法的可行性和有效性。结论结合超声医学图像三维重建技术和多普勒成像技术 ,实现超声医学图像功能三维重建 ,提供更多的医学信息 ,是超声医学成像技术的发展方向 。

超声医学图像滤波和对比度增强新方法

较低的对比度和独有的speckle噪声是影响超声医学图像质量的主要原因,本研究利用各向异性扩散滤波,在去除图像中大量噪声的同时,计算滤波过程中图像信息的丢失,从而得到对比度增强模型中的对比度函数,并利用对比度增强模型达到图像对比度增强的目的。实验结果表明,与滤波后的直方图均衡化后结果相比,不仅能够有效地去除图像中的噪声,也能明显提高图像对比度。因此,本文方法是提高超声医学图像质量的一种有效途径。

基于纹理特征的超声医学图像检索

在医学信息学领域,对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索.为此,提出一种改进的Gabor纹理特征提取方法.通过超声医学图像的分析获得图像主要的纹理频率和方向特性,以此构成图像纹理特征矢量,降低了图像的纹理特征的维数.用该特征进行基于内容的图像检索,避免了采用Gabor小波在检索中带来的维数危机.通过对五类超声心动图像的检索实验,证明该方法的检准率和检全率较高,检索时间较短,能够取得较为满意的结果.

超声医学图像灰度校正方法的改进

介绍了超声医学图像灰度校正常用方法的基本原理,这些方法主要有灰度级校正、灰度变换及直方图修正。对广泛应用且效果较好的直方图均衡化法作了较详细阐述,并针对其对于局部细节增强不显著及不具交互特征等缺点提出了改进方法,并将几种灰度校正方法级联起来对超声图像进行处理,实现了有选择地增强某个灰度值范围对比度的功能,增强了超声诊断图像的实用性。

超声医学图像的自动分割

阐述了对超声医学图像进行自动分割的一种新方法.其基本思想是首先以Hilbert曲线扫描图像,配合峰谷法对图像进行滤波,采用三次样条插值法对图像进行灰度插值;然后把局部阈值和全局阈值结合起来进行图像分割并标记区域;最后通过特征数据库确定目标区域.实验结果证明,该算法有着较好的适应能力.

基于自适应低通滤波的超声医学图像增强算法

目的介绍一种超声医学图像增强的有效算法。方法基于自适应低通滤波器的超声图像增强算法,首先采用对数变换的方法将超声医学图像中存在的乘性噪声变为加性噪声;再通过低通滤波器将对数图像分为高频分量和低频分量,对低频分量采用自适应直方图均衡处理,对高频分量进行加权;然后对低频分量和高频分量进行融合得到增强的对数图像;最后对对数图像进行指数变换得到输出图像。结果原超声医学图像得到有效增强,边缘细节得以保留。结论该算法有效地实现了超声医学图像增强,突出了超声图像的细节,改善了视觉效果,并对噪声具有良好的抑制作用。

基于维纳滤波与小波相融合的超声医学图像去噪方法

目的探求一种有效的超声医学图像去噪方法。方法在分析维纳滤波和基于自适应前处理的多尺度小波非线性阈值斑点噪声抑制方法(MSSNT-A)的基础上,提出一种基于维纳滤波与MSSNT-A相融合的超声医学图像去噪方法。利用该方法首先对加噪图像分别进行维纳滤波和MSSNT-A去噪,然后提取维纳滤波处理后的图像边缘,再将其与MSSNT-A去噪后的图像的相应像素点进行融合,得到去噪图像。结果有效地去除了斑点噪声,图像的细节得到保留。结论与维纳滤波和MSSNT-A方法相比,该方法在有效去除斑点噪声的同时,很好地保留了图像边缘和图像细节信息。

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。

计算机在超声医学图像处理中的应用

介绍了计算机在超声医学图像处理领域的应用,着重讨论了超声医学成像和超声医学图像管理的方法与应用,具体分析了医院医学图像存档及通信系统(PACS)中B超影像工作站的结构与功能。

超声医学图像计算机辅助诊断系统的设计

设计一个基于非线性增强滤波方法和水平集方法的超声医学图像计算机辅助诊断系统,主要对图像进行降噪处理和分割,以改善超声医学图像质量,实现半自动化定量分析.

数学形态学与自适应结合的超声医学图像滤波方法的研究

超声医学成像因其具有无创性、便捷性、实时性、价格便宜和使用方便等优势广泛应用于临床诊断。然而,由于在超声成像过程中形成的特有的图像斑点,使得对比度弱的人体软组织中正常组织和病变组织不易区分,给临床诊断和医学研究带来不便。本文针对医学超声图像的特点,在研究了几种常用滤波去噪方法的基础上,提出一种自适应滤波和形态滤波结合的超声医学图像滤波去噪方法。首先采用自适应中值滤波对图像进行预处理,抑制斑点噪声,保留必要细节;然后采用数学形态学方法进行二次滤波和增强对比度,可有效改善图像质量。最后从去噪图像和评价指标上与常用滤波去噪方法进行比较,实验证明,该方法可明显提高超声医学图像的质量。

基于树状小波的超声医学图像阈值函数降噪

针对超声医学图像中存在特有的斑点噪声,利用树状小波分解比传统小波分解精度高的特点,将超声医学图像进行树状小波分解,然后分别采用硬阈值、软阈值和半软阈值函数三种方法进行降噪处理。结果表明半软阈值函数方法是较优阈值函数方法,可以有效地降低原图像的斑点噪声并保留图像细节。

基于局部特征的体育运动损伤超声医学图像分割

目的为了提高体育运动损伤超声医学的检测识别能力,提出基于局部特征的体育运动损伤超声医学图像分割方法,展开对体育运动损伤超声医学检测识别能力的研究。方法建立体育运动损伤超声医学图像分割模型,利用运动骨骼肌分块匹配技术对体育运动损伤超声医学图像的信息进行增强处理,提取图像特征,通过CT亮点特征透射分析体育运动损伤超声医学图像的特征细节,结合深度卷积神经网络训练方法对提取的体育运动损伤点进行体育运动损伤超声医学图像自动探测,实现体育运动损伤超声医学图像分割。结果仿真结果表明,采用该方法进行体育运动损伤超声医学图像分割的精度较高,误差值可以控制在0.103以下,最终达到零误差的效果。结论证实本文方法对体育运动损伤点检测的分辨力和准确性较高,实际应用能力较强。

基于色彩特征的超声医学图像分析方法

图像分割是计算机图像识别和理解的基础,本文提出一种基于色彩特征的彩色多普勒图像分割和基于频域双线性插值的图像旋转与用户交互式剪切相结合的图像分析方法,通过计算彩色超声医学图像的三基色R,G,B的色彩特征,提取出感兴趣的区域并实现了图像的分割,实验证明这是快速可行的彩色分割方法。

基于形态学重构的超声医学图像滤波方法

Speckle噪声是造成超声医学图像质量下降的最主要原因。我们通过修改形态学重构算法-Downhill算法的初始条件,使其适用于超声医学图像的去噪处理。首先在掩模图像中确定标记图像作为算法的初始化和开始区域,再使用改进的Downhill算法对超声医学图像进行滤波处理。实验结果表明,与其他3种传统滤波方法相比,该方法能快速有效地去除心脏腔室内的Speckle噪声同时保留图像的轮廓细节信息。

基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。