基于小波的医学超声图像去斑点噪声方法

摘要

超声图像诊断是与X线CT、同位素扫描、核磁共振(MRI)等一样重要的医学图像诊断手段。超声成像与其它医学成像方法相比，具有对人体无损害、便宜、便捷、能够实时显示器官或组织运动情况等特点，在临床上获得了非常广泛的应用。由于超声成像机制的限制，图像质量相对较差一直是超声医学图像主要的缺点，难以满足后期的图像分析工作的要求。图像除噪是提高超声医学图像质量最常用的方法，现有的超声医学图像除噪方法，如基于中值滤波、维纳滤波、MSSNT-A、扩散方程的方法等，在应用中取得了一定的成果，但并没有从根本上解决超声医学图像质量较差的缺点。由于图像中所含的噪声是一种乘性斑点噪声，与组织结构信息密切相关，因此超声医学图像去噪是一个复杂而困难的问题。 小波变换是近十几年发展起来的一种新的信号和图像处理工具。小波分析良好的时频特性决定了它在图像去噪中具有广阔的应用前景，使得这一领域充满生机。 超声图像去噪是超声图像处理的一个预处理过程，它是病变识别和分析的前提，在医学图像处理中，医学超声图像去噪的研究有着重要的意义。本文首先介绍了图像去噪的现状，然后阐述了小波图像去噪的理论基础，最后是利用小波变换的统计特性，结合人眼的视觉特性，围绕小波图像去噪中心问题进行了研究，提出了相应的处理方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原图像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布(GGD)，利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声的同时，很好地保留了图像的细节，优于中值滤波，维纳滤波和多尺度非线性阈值算法(MSSM-A)。

目录

文摘

英文文摘

第一章引言

第二章超声成像原理及其斑点噪声统计模型

第三章国内外关于医学超声去斑点噪声的研究现状

第四章基于小波的图像去噪的理论基础

第五章基于小波的医学超声图像的去斑点噪声算法

第六章结论及将来的展望

参考文献

硕士期间已完成或发表的论文

致谢

第一军医大学学位论文原创性声明及版权使用授权书