基于NSST与改进模糊的乳腺超声图像增强方法

摘要

目的 为解决乳腺超声图像在采集和传输过程中引入噪声导致图像质量下降,影响乳腺癌早期诊断的问题,提出一种基于非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)与改进模糊的乳腺超声图像增强方法。方法 首先,通过改进模糊算法增强图像对比度;然后,采用NSST将图像分解为低频部分和高频部分,其中对低频部分进行线性变换以调整图像整体对比度,对高频部分采用阈值模型去除图像中的噪声;最后,将处理后的高频部分和低频部分通过逆NSST获得增强图像。采用信噪比(Signal to Noise Ratio,SNR)和对比噪声比(Contrast to Noise Ratio,CNR)衡量算法去噪性能,结构相似性、特征相似性和信息熵衡量算法细节保留能力,平均梯度衡量算法对比度增强效果。结果 本文方法增强后图像的SNR为2.108,CNR为0.903,信息熵为7.363,平均梯度为9.439,结构相似性为0.939,特征相似性为0.972,均明显高于基于非局部均值自适应选择搜索区域图像去噪算法、基于NSST与模糊对比度的增强算法和基于双边滤波的NSST去噪算法。结论 该图像增强方法在保证图像结构的条件下,能有效降低噪声,增强图像对比度,具有一定的实际应用价值。