导读:本文包含了超声图像去噪论文开题报告文献综述及选题提纲参考文献，主要关键词:超声图像,滤波,BP神经网络,斑点噪声抑制
超声图像去噪论文文献综述
净亮,邵党国,相艳,马磊,杨朝强[1]（2019）在《BP神经网络在医学超声图像去噪中的应用研究》一文中研究指出超声图像作为一项独立出来的影响检查技术,以其便宜、简便、实时和对人体无害等优点服务于临床医学。然而在实际应用中,由于成像设备和成像原理等因素,导致所成图像中不可避免的出现了斑点噪声和失真的问题。这样不仅给医生诊断疾病增加了难度,给图像的后期处理也带来了不便。针对图像中存在的斑点噪声,本文利用BP神经网络强大的非线性映射能力,研究了利用BP神经网络对医学超声图像的降噪方法。首先根据实际需求构建出合适的神经网络模型,然后选取若干超声图像作为训练数据进行训练,再随机选取测试数据集对训练好的神经网络进行测试。通过两幅超图像的实验结果表明,利用BP神经网络模型可以有效地降低超声图像中的斑点噪声,并且能够较好地保留图像的边缘特征,是一种有效的医学超声图像降噪方法。(本文来源于《数据通信》期刊2019年05期）
王绍波,梁振[2]（2019）在《基于幂次变换的自适应超声医学图像去噪算法》一文中研究指出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。(本文来源于《中国医疗设备》期刊2019年02期）
王彩,高晓琴[3]（2018）在《基于小波域变分滤波器的超声图像去噪算法》一文中研究指出针对超声图像的斑点噪声干扰问题,提出了一种基于小波域的变分滤波算法.该算法利用小波变换的时频特性,对低频域的小波系数使用基于贝叶斯最大后验估计的变分滤波器进行去噪;对高频域的小波系数选择自适应的小波阈值函数,然后使用基于拉普拉斯分布模型的小波收缩算法进行收缩处理.实验结果表明,与小波软阈值滤波器和变分滤波器相比,该算法在去噪能力和边缘信息的保留上均有较好的表现.(本文来源于《西南师范大学学报(自然科学版)》期刊2018年07期）
刘帆[4]（2018）在《分数阶微分算法在医学超声弹性图像去噪中的应用研究》一文中研究指出医学超声成像因具有实时性、安全性及价格低廉等特点,成为临床诊断中使用最为广泛的辅助工具之一。然而,肿瘤疾病的出现正在不断危害我们的健康,临床数据显示:早期癌症多数可治愈。因此,早期发现并正确鉴别肿瘤良恶性是减少癌症死亡率的关键。传统B模式超声成像受斑点噪声影响大而无法检测出病变组织,医学超声弹性成像技术的提出正好填补了其他成像技术的不足。它是根据不同生物组织在受到同等压力下所产生的应变程度不同而成像的,在肿瘤检测中具有重要意义。然而,超声弹性成像技术并没有摆脱超声成像系统的固有特性,使得大量噪声遍布于图像中,不仅降低图像对比度,而且对于后期临床医生的诊断起着极大的干扰作用。因此,对超声弹性图像进行噪声平滑成为我们亟待解决的重要研究课题。本文从医学超声弹性成像原理出发,介绍了产生伪影噪声的原因以及衡量医学超声弹性图像去噪质量的评价指标,然后分析了两种经典的超声伪影去噪算法。目前,对医学超声弹性图像去噪的研究并不常见,综合分析可分为两大类:复合法和快速形成的图像滤波方法。基于复合技术的去噪算法通常分为空间域和频率域,是通过对多个图像进行加权复合以达到抑制伪影噪声的功效,该算法对噪声平滑效果非常明显。但是对于受噪声影响较大的特征区域边缘部分并没有起到一定的保护作用,反而将其模糊掉了。为了缓解这一不足,本文提出了一种基于分数阶微分的医学超声弹性图像去噪算法。该算法在传统各向异性扩散的基础上,融入分数阶微分理论,并通过微分掩模算子实现其数值运算。本文对两种不同窗口大小的微分掩模算子进行了改进,并获得了扩散阈值k与微分阶数v之间的关系,使得该算法可以在抑制噪声的同时保留甚至增强边缘纹理细节信息。为了验证本文算法的有效性,本文对双边滤波算法(Bilateral Filter,BF)、传统各向异性扩散算法(Anisotropic Diffusion,通常称为Perona-Malik模型,即P-M)、及本文算法进行了性能比较,实验结果显示:无论是噪声平滑,还是边缘保留,本文所提算法均占有明显优势,且本文算法的运算时间相对BF(Bilateral Filter)算法明显降低。最后本文还对所提出的两种不同窗口大小的分数阶微分算法进行了比较,得出结论:当扩散阈值k小于10时,5×5微分掩模窗口的分数阶微分算法在噪声抑制方面相对效果更好。人体体模超声弹性图像和数字仿真超声弹性图像的实验结果表明:基于分数阶微分的各向异性扩散算法(Fractional-order Ansotropic Diffusion,FAD)能够有效保留特征区域的边缘纹理信息,且去噪后图像弹性信噪比及对比度噪声比得到明显提高,运算时间复杂度大大降低。(本文来源于《昆明理工大学》期刊2018-05-01）
邵党国,刘帆,相艳,马磊,易叁莉[5]（2017）在《超声弹性图像去噪方法研究》一文中研究指出超声弹性成像能直观展现各组织的弹性信息,已经成为肿瘤检测的重要工具。由于成像系统中的固有特性,使得图像遍布着大量伪影噪声,降低了图像的可辨读性。为了获取伪影噪声较少且组织边缘结构清晰的弹性图像,本文提出一种分数阶偏微分图像去噪方法,并通过各向异性算法有效平衡了梯度阈值k与微分阶数v的关系。人体体模弹性图像和仿真弹性图像的测试结果表明,该算法能有效改善弹性图像质量,增强边缘结构信息,且去噪后图像的信噪比及噪声比例差得到显着提升。(本文来源于《软件》期刊2017年12期）
郑渊悦,徐铭恩,王玲[6]（2017）在《改进权值非局部均值超声图像去噪》一文中研究指出目的超声图像斑点噪声会影响诊断的准确性和可靠性。通过分析超声图像斑点噪声统计模型,结合非局部均值滤波算法,提出一种基于超声斑点噪声模型的改进权值非局部均值(NLM)滤波算法。方法算法针对超声图像灰度信息对图像进行预处理,利用超声图像斑点噪声模型改进传统NLM算法的权值计算函数,基于图像特征确定最优采样间隔进行下采样,利用改进后的权值计算函数对图像进行NLM去噪处理。结果分别采用人工合成与真实超声图像对本文算法性能进行测试,并与传统非局部均值滤波算法、非局部总变分(NLTV)等算法进行去噪效果比较,同时采用均方误差、峰值信噪比和平均结构相似性作为滤波算法性能的客观评价指标。本文算法能快速完成超声图像的去噪处理,峰值信噪比较其他算法可以提高0.2 d B以上,可以降低均方误差,提高平均结构相似性,缩短处理时间,并得到较好的图像质量和视觉效果。结论根据超声图像斑点噪声模型对NLM算法的权值计算函数进行优化,使得NLM图像滤波算法能更好地适用于超声图像的去噪,基于超声斑点噪声模型的改进权值NLM算法相较于其他算法,滤波效果更佳,适合超声图像去噪。(本文来源于《中国图象图形学报》期刊2017年06期）
周婷[7]（2017）在《基于分数阶的医学超声图像去噪技术研究》一文中研究指出因为医学超声成像具有低成本、高效率、实时、方便安全的特点,所以它已逐渐成为最重要的诊断工具之一。然而粒状结构迭加的斑点噪声广泛存在于医学超声B模式图像中,其噪声表现为像素灰度值的突变,模糊了或掩盖了图像的细节,但是很多临床诊断至关重要的是医学超声图像的细节信息。因而,斑点是医学超声B模式图像低对比度的主要原因之一,它可以被看作是一个噪声源,应当抑制。在临床医学诊断中超声成像技术应用很广泛,但是因为受系统成像机制的影响,超声成像技术形成的图像比较容易形成斑点噪声,这将导致后期图像分析工作的要求难以满足。为了提高图像对比度,医学超声图像斑点去噪技术已经得到发展,可以保留图像的边缘,抑制斑点噪声,使得临床医生能准确地识别和分析病变区域。因此,医学超声图像去噪技术研究对临床诊断具有重要的现实意义。本文首先简单介绍了超声成像原理、超声B模式成像、超声斑点噪声模型以及去斑性能评价标准等,然后分析了几种经典的超声斑点抑制算法,如斑点抑制各项异性扩散方法(SRAD)、细节保留各项异性扩散方法(DPAD)、双边滤波(BF)和P-M模型。针对医学超声图像中降低图像质量及导致诊断困难的斑点噪声的颗粒模型特征,本文提出了基于分数阶的医学超声图像降噪方法,为了保留更多的纹理信息,基于具有k(阻止扩散的梯度阈值)和v(分数阶阶数)平衡关系的分数阶偏微分方程的图像去噪模型被构建,它有效结合了分数微积分理论和偏微分方程方法,并且通过分数阶掩模算子实现了它的数值计算方法。与其他叁种传统的超声去噪方法(P-M模型、SRAD和DPAD)相比,本文提出的基于分数阶的各向异性扩散算法(FAD),在去除斑点噪声的同时保留组织结构方面更有优势。在产生相同实验结果的条件下,本文提出的算法比双边滤波(BF)运行速度更快。医学超声体模图像和人体成像实验表明,基于分数阶的各向异性扩散方法可以提高组织的信噪比和超声B模式图像的质量。(本文来源于《昆明理工大学》期刊2017-05-01）
骆科扬,刘俊[8]（2016）在《鲁棒的各向异性扩散叁维超声图像去噪算法》一文中研究指出针对叁维超声图像去噪,提出一种新的各向异性扩散滤波算法。该算法主要通过改进传统算法中的扩散系数以及瞬时变化系数(ICOV),在保留叁维超声图像边缘和细节的同时,更好地滤除了斑点噪声。与传统算法相比,该算法对迭代次数有更低的敏感度和更好的鲁棒性。(本文来源于《计算机应用与软件》期刊2016年11期）
程义平[9]（2016）在《基于平移不变性的剪切波变换医学超声图像去噪算法》一文中研究指出在医学临床诊断中,超声诊断技术使用越来越重要,但在超声成像过程中存在的斑点噪声,降低了图像质量,对医生诊断造成影响。研究发现,超声图像去噪的本质是利用含噪图像来估计人体器官组织的无噪图像,得到真实图像的最优估计,为诊断准确性带来非常重要的实际意义。根据超声图像斑点噪声在变换域中的统计分布特性,本文提出了一种基于平移不变性的剪切波变换医学超声图像去噪算法,在高频子带中利用改进的阈值收缩算法得到高频剪切波系数,在低频子带中利用去噪保边滤波器得到低频剪切波系数。首先,采用非下采样拉普拉斯金字塔滤波对含噪图像进行多尺度分解,把图像分解成高频子带和低频子带,采用非下采样的方向滤波器组对得到的高频子带进行多方向分解;其次,在传统阈值函数的基础上,结合变换域内剪切波系数之间的相关性,提出了改进的阈值收缩算法,对高频子带的剪切波系数进行阈值收缩处理,对低频子带系数进行引导滤波处理;最后,利用剪切波的逆变换得到去噪后的超声图像。为了验证提出的算法优越性,本文进行了大量的对比实验,包括合成仿真图像实验和医学超声图像实验,通过主观和客观评价可知,本文提出的算法在去噪效果中表现良好,可以很好应用在医学实时成像系统中。本文的主要工作和成果如下:(1)根据斑点噪声在变换域中各子带的特点和统计特性,改进了与分解层数相关的阈值函数;(2)剪切波变换解决了小波变换方向局限性和点奇异的缺陷,在此基础上,提出了非下采样的拉普拉斯金字塔滤波和非下采样方向滤波器组进行多尺度多方向分解,解决了振铃现象;(3)基于传统的阈值函数和MAP收缩算法,提出了新的叁变量收缩算法;(4)提出利用可以去噪保边的滤波器对变换域低频子带剪切波系数作滤波处理;(5)本文做了大量的合成图像仿真实验和超声图像实验,并在实验结果分析中结合各种评价指标将本文算法与其他较新的去噪算法做了对比分析。(本文来源于《浙江工业大学》期刊2016-10-18）
何旭[10]（2016）在《基于多尺度几何分析和各向异性扩散的医学超声图像去噪算法研究》一文中研究指出近年来,基于多尺度几何分析的图像去噪方法成为研究的热点。多尺度几何分析方法解决了小波变换在多维信号表示方面的缺点,并广泛应用于图像去噪、图像增强、图像融合、图像分割、图像复原、特征提取等相关领域。其中Shearlet变换及非下采样的Shearlet变换(Nonsubsampled Shearlet Transform, NSST)作为一种最新的多尺度几何分析工具,具有对图像理论上的最优稀疏表示,可以对图像进行多尺度、多方向、局部的分析能力,被广泛应用于图像去噪相关领域。因此本文通过结合非下采样的Shearlet变换来进行医学超声图像的去噪,并在传统的NSST阈值去噪方法的基础上进行如下两点进行改进：(1)由于传统的传统Shearlet变换阈值去噪方法在各分辨率下执行相同的阈值,难以对图像中不同分辨率下的噪声进行有效去噪,因此本文在NSST阈值去噪方法的基础上,提出了在各分辨率下的阈值进行尺度加权的方法,自适应地控制不同分辨率下的阈值大小,有效滤除各分辨率下的噪声。(2)此外,由于传统的NSST阈值去噪方法只针对各高分辨率下的NSST系数,而低频子带下的NSST系数则保留,但低频子带中的NSST系数仍然存在少量的低频噪声,因此本文对低频子带下的NSST系数结合KAD模型方法进行去噪,使得滤除低频噪声的同时保留图像中微弱的边缘细节。实验中首先将对模拟噪声图像进行去噪,并通过量化实验结果来衡量算法的去噪性能,最后对实际的医学超声图像进行去噪,并通过整体视觉去噪效果、局部细节对比、特定扫描线灰度曲线来对比的本文算法和相关算法的去噪效果。通过对比实验结果表明,本文算法不管是在整体图像去噪效果还是在边缘保留方面都得到一定的提高,且去噪后的超声图像在视觉上更加自然。(本文来源于《云南大学》期刊2016-05-01）
超声图像去噪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
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。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
超声图像去噪论文参考文献
[1].净亮,邵党国,相艳,马磊,杨朝强.BP神经网络在医学超声图像去噪中的应用研究[J].数据通信.2019
[2].王绍波,梁振.基于幂次变换的自适应超声医学图像去噪算法[J].中国医疗设备.2019
[3].王彩,高晓琴.基于小波域变分滤波器的超声图像去噪算法[J].西南师范大学学报(自然科学版).2018
[4].刘帆.分数阶微分算法在医学超声弹性图像去噪中的应用研究[D].昆明理工大学.2018
[5].邵党国,刘帆,相艳,马磊,易叁莉.超声弹性图像去噪方法研究[J].软件.2017
[6].郑渊悦,徐铭恩,王玲.改进权值非局部均值超声图像去噪[J].中国图象图形学报.2017
[7].周婷.基于分数阶的医学超声图像去噪技术研究[D].昆明理工大学.2017
[8].骆科扬,刘俊.鲁棒的各向异性扩散叁维超声图像去噪算法[J].计算机应用与软件.2016
[9].程义平.基于平移不变性的剪切波变换医学超声图像去噪算法[D].浙江工业大学.2016
[10].何旭.基于多尺度几何分析和各向异性扩散的医学超声图像去噪算法研究[D].云南大学.2016