医学超声图像斑点噪声去除的研究

论文摘要

针对现有医学超声图像斑点噪声去除方法的局限,本文给出了基于超声I/Q图像和B-Mode图像不同的降噪改进方案。针对超声I/Q图像,本论文提出了两种新式的斑点噪声去除构架。第一种构架基于维纳滤波和噪声高斯化。首先从I/Q图像中“盲估计”系统点扩散函数（PSF）。然后通过维纳滤波,去除I/Q图像斑噪的相关性。接着对估计出的组织反射率图像做同态变换,将乘性噪声转换为加性。最后对所得加性噪声做高斯化处理,以此最大化现有去斑方法的功效。第二种构架基于期望最大化（EM）算法,将I/Q图像连同盲估计得到的PSF一同输入该迭代算法。这里E步为矩阵形式的维纳滤波,目的是降低输入图像斑点的相关性；M步为各向异性扩散,目的是估计组织回声图像,并将其作为下次E步的输入。通过算法的迭代,斑点噪声的相关性被进一步去除,这为后续的降噪算法提供了基础。经过上述两种构架预处理后,任何一种经典的去噪方法均可对恢复出的组织反射率图像进行降噪。实验证明,不论从主观视觉还是客观参数上,所提出的两种构架都优于现有的直接对I/Q图像进行降噪的模式。针对超声B-Mode图像,本文提出了两种新颖的降噪方法。第一种是空间自适应的最大似然估计法。该方法创新性地引入了边界二进制掩膜,用以判断滤波器窗函数落在异质区域还是同质区域。同时,滤波器形状可变参数和窗函数尺寸可变参数被同时选取,用以自适应地控制最大似然估计滤波器的性能。第二种方法是双树复小波变换降噪法。一方面通过双树复小波变换,可以完整保留了原始图像的方向和细节信息；另一方面通过双变量收缩函数,可有效地将图像小波系数和噪声小波系数区分开,充分抑制了图像的背景噪声。仿真实验和临床实验都证明了上述两种方法相比于传统降噪方法的优越性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 超声图像斑点噪声去除的意义
• 1.2 现有斑噪去除方法的概述
• 1.2.1 基于空间滤波
• 1.2.2 基于小波变换
• 1.2.3 基于扩散理论
• 1.3 论文的主要工作和创新点
• 1.4 论文构架
• 第二章 超声I/Q图像斑点噪声去除
• 2.1 带噪声高斯化的维纳滤波
• 2.1.1 超声成像线性模型
• 2.1.2 PSF的盲估计
• 2.1.3 维纳滤波
• 2.1.4 同态变换和噪声高斯化
• 2.2 期望最大化（EM）算法
• 2.2.1 前期准备
• 2.2.2 EM算法概述
• 2.2.3 E步:维纳滤波
• 2.2.4 M步:各向异性扩散
• 第三章 超声B-Mode图像斑点噪声去除
• 3.1 空间自适应的最大似然估计降噪
• 3.1.1 超声B-Mode图像模型
• 3.1.2 最大似然估计
• 3.1.3 可变参数
• 3.1.4 二值化边界掩膜
• 3.1.5 算法小结
• 3.2 双树复小波变换降噪
• 3.2.1 双树复小波变换
• 3.2.2 双变量收缩函数
• 第四章 实验与结果
• 4.1 超声I/Q图像
• 4.1.1 仿真图像生成
• 4.1.2 比较策略
• 4.1.3 客观评定参数
• 4.1.4 Lee滤波器
• 4.1.5 最大似然估计
• 4.1.6 各向异性扩散
• 4.1.7 小波软阈值去噪
• 4.1.8 实验小结
• 4.2 超声B-Mode图像
• 4.2.1 空间自适应的最大似然估计
• 4.2.2 双树复小波变换
• 4.2.3 实验小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 硕士期间发表论文目录
• 致谢