医学超声图像去噪方法研究

论文摘要

图像去噪是图像预处理中一项被广泛应用的技术,作用是提高图像的信噪比,突出图像的期望特征。对超声图像进行去噪处理,是医学超声图像处理的重要一环,对一般图像处理理论也有重要意义。对散斑噪声抑制技术的研究一直是国内外超声成像技术的重要课题之一。超声图像去噪的一般要求是在有效抑制散斑噪声的同时,保留对后期分析诊断有用的图像细节信息。基于严重椒盐噪声污染图像,改进了中值滤波算法,并将其应用在抑制椒盐噪声算法中。首先利用极大值极小值检测算子进行像素点分类。对检测出来的噪声点根据其局部统计信息,使用分类方法分为低密度噪声、中密度噪声和高密度噪声。对不同密度的噪声采用不同的滤波方式,对所占比例最大的低密度噪声采用在保留细节方面作用突出的八邻域相似度函数加权滤波。算法充分考虑到中高密度噪声的情况,表现出更好的去噪能力、自适应性以及保留细节能力。基于直方图和邻域相关系数,改进了加权均值滤波算法,并将其应用在抑制椒盐噪声算法中。引入灰度直方图作为邻域平均的权值,提供了原图像的灰度分布信息。引入相关系数,利用相关性区分了有效信号和噪声。该算法根据当前所处理像素点的具体信号特征,自适应地调整算法的滤波强度,在高强度地滤除椒盐噪声的同时,又能够很好地保留图像细节。基于中值-各向异性扩散,改进了超声图像去噪算法,并将其应用在抑制超声图像散斑噪声中。该算法利用多方向中值提升了边缘保持能力,利用归一化局部方差和梯度来改进扩散系数增强了扩散模型的局部自适应能力。该方法在抑制散斑噪声能力、保持边缘能力以及迭代速度上取得了不错的效果。基于Context模型的非下采样Contourlet变换,改进了传统去噪算法,并将其应用在抑制加性高斯噪声算法中。该算法利用了非下采样Contourlet变换的多方向性、高冗余度和平移不变等优良特性。利用空间自适应Context模型处理变换后系数矩阵的方差估计和阈值确定,具有较强的局部自适应能力和准确性。使用软阈值在不同尺度不同方向上的细节子带矩阵进行去噪,最终进行非下采样Contourlet逆变换,取得较好的视觉效果和去噪效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 图像噪声
• 1.2.1 噪声特征
• 1.2.2 噪声分类
• 1.2.3 去噪质量评价标准
• 1.3 基于均值滤波的去噪方法
• 1.3.1 均值滤波的缺陷分析
• 1.3.2 加权均值滤波器
• 1.4 基于中值滤波的去噪方法
• 1.4.1 加权中值滤波
• 1.4.2 开关中值滤波
• 1.4.3 自适应滤波方法
• 1.4.4 极值中值滤波
• 1.5 基于偏微分方程的去噪方法
• 1.5.1 PM 模型
• 1.5.2 Catté模型
• 1.5.3 SRAD 模型
• 1.5.4 关于参数k 的最佳估计
• 1.6 基于多尺度几何分析的去噪方法
• 1.6.1 小波变换
• 1.6.2 图像多尺度几何分析
• 1.7 论文的主要内容
• 第2章 基于改进中值、均值滤波的椒盐噪声去噪算法
• 2.1 引言
• 2.2 基于严重椒盐噪声污染图像的改进中值滤波算法
• 2.2.1 Max-Min 检测算子和噪声分类方法
• 2.2.2 双窗口滤波和噪声检测窗口的确定
• 2.2.3 低密度噪声：八邻域相似度函数加权滤波
• 2.2.4 中密度噪声：剪除噪声的中值滤波
• 2.2.5 高密度噪声：四邻域均值滤波
• 2.2.6 仿真实验结果及分析
• 2.3 基于直方图和邻域相关系数的加权均值滤波算法
• 2.3.1 直方图相关性
• 2.3.2 邻域灰度相关性
• 2.3.3 算法步骤
• 2.3.4 仿真实验结果及分析
• 2.4 本章小结
• 第3章 基于改进各向异性扩散的超声散斑噪声去噪算法
• 3.1 引言
• 3.2 医学超声图像散斑噪声模型分析
• 3.3 基于中值-各向异性扩散的超声图像去噪算法
• 3.3.1 多方向中值滤波
• 3.3.2 归一化局部方差
• 3.3.3 仿真实验结果及分析
• 3.4 本章小结
• 第4章 基于Context 模型的非下采样Contourlet 变换去噪算法
• 4.1 引言
• 4.2 小波理论基础
• 4.2.1 多采样系统
• 4.2.2 平移不变性
• 4.3 小波去噪方法综述
• 4.3.1 阈值函数的选择
• 4.3.2 阈值的选择
• 4.4 Contourlet 变换
• 4.4.1 平移不变性分析
• 4.4.2 冗余度分析
• 4.5 非下采样Contourlet 变换
• 4.6 基于Context 模型的非下采样Contourlet 变换去噪算法
• 4.6.1 空间自适应Context 模型
• 4.6.2 基于Context 模型的去噪算法
• 4.6.3 仿真实验结果及分析
• 4.7 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢