应用ROF模型的医学超声图像去噪方法

由于超声成像机制使医学超声图像中存在着大量的斑点噪声,这些斑点噪声大大降低了图像的清晰度和质量,给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题,提出了一种基于帧相关处理、ROF分解和自适应小波阈值的去噪方法,能够在抑制超声图像斑点噪声的同时,尽可能地保留甚至增强图像的细节信息,大大提高图像质量,取得了很好的效果。     

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

基于DTCWT方向信息的超声图像斑点噪声消除

针对一般的小波去噪方法在去除超声图像斑点噪声时不能有效保持图像边缘信息的问题,本文提出基于双树复小波变换(Dual tree complex wavelet transform,DTCWT)方向信息的超声图像斑点噪声消除算法.利用双树复小波变换6个方向复小波系数的相对方差来确定该点是否位于边缘或纹理上,对低于门限的像素...     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

医用超声图像有效去噪方法研究与仿真

研究医用超声图像的去噪问题,保证去噪有效性.超声图像成像过程中,超声波到达器官组织散射回波信号会在超声图像中产生乘性斑点噪声,对图像质量造成破坏,传统的维纳滤波方法不能有效去除乘性斑点噪声保留图像细节信息,使超声图像去噪有效性不高.为解决上述问题,提出阿尔法超声图像去噪方法,首先将超声图像进行分析和小波分解,发现超声图像的信号具有明显的非高斯特性且二维小波系数服从阿尔法分布,然后据阿尔法分布特点采用最小平均绝对误差准则的估计器去除超声图像中的噪声.仿真结果表明,改进方法能够有效去除超声图像中的乘性斑点噪声,且最大限度保留图像细节信息,保证超声图像去噪的有效性.     

基于平衡正交多小波的超声图像降噪研究

医学超声图像存在特有的斑点噪声,它大大降低了超声图像的质量,因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性,具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解,然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

改进权值非局部均值超声图像去噪

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 dB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。     

数字全息再现图像散斑噪声消除新方法

为了消除数字全息再现像中存在的相干散斑噪声,在去除噪声并保留图像细节的基础上,提出了基于小波变换的边缘保持散斑噪声去噪方法;通过分析小波变换模极大值边缘检测和基于Neyman-Pearson准则的小波阈值去噪方法的原理,提出并应用了一种数字全息再现像散斑噪声去噪方法,利用小波模极大值方法获得边缘图像,通过基于Neyman-Pearson准则的小波阈值去噪,去噪后的图像与边缘图像合并后得到最终再现图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。本文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。     

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 ,该方法是可行的     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于小波变换的混合作用域医学图像增强算法

医学图像对比度低,细节不清晰,要对其进行增强处理才能满足临床诊断的需要,而目前常用的小波增强算法自适应性差,丢失细节,为此提出了一种基于dbN小波变换的混合作用域医学图像增强算法,该算法结合Sobel算子提取的边缘,经过滤波变换,得到原图像的锐化图像,再采用能够扩展其灰度范围的幂次变换,实现图像增强。该算法通过实例验证,与常用的分段小波增强算法比较,自适应性强,增强后的图像细节丰富,具有良好的视觉效果。     

基于小波分析的超声医学图像非线性增强

首先将超声医学图像投影到小波变换域,然后利用软阈值技术方法进行降噪处理,最后使用非线性增强技术提高图像对比度。处理结果有效地去除原图像的斑点噪声,使图像中较模糊、对比度差的细节得到增强,优于传统的直方图均衡增强方法。     

Simultaneous speckle reduction and contrast enhancement for ultrasound images: Wavelet versus Laplacian pyramid

Speckle can be described as random multiplicative noise. It hampers the perception and extraction of fine details in the image. Speckle reduction techniques are applied to ultrasound images in order to reduce the noise level and improve the visual quality for better diagnoses. It is also used as preliminary treatment before segmentation and classification. Several methods have been proposed for speckle reduction in ultrasound images. Multiscale contrast enhancement has proven to be very efficient for x-ray images. A recent study by Dippel et al. doing a comparison, contrast enhancement of radiographs (x-ray and mammography), between the Laplacian pyramid and the wavelet one proves that the Laplacian pyramid method gives a better result than the wavelet one; the filtering aspect was not taken into account. In ultrasound images a strong contrast variation exists which is different from x-ray and mammography. In this paper a wavelet pyramid with simultaneous speckle reduction and contrast enhancement was applied for the first time on ultrasound images with the area of interest and compared to a Laplacian enhancement pyramid. The optimum choice of wavelet bases for ultrasound images is investigated in this study. In order to realize a fair comparison, the same nonlinear modification in both multiscale schemes is used. The comparison proves that the wavelet pyramid gives a much better result than the Laplacian one for simultaneous speckle reduction and contrast enhancement of ultrasound images. The text was submitted by the author in English. Ali Samir Saad, 1964. 1996 PhD in image processing, Polytechnics School of the Engineering University of Nantes, France. 1993 Masters in Electronics. 1990 Masters in Digital Image Processing, Institute of Computer Sciences and Communication University of Rennes, France. 1989 BS in Electrical Engineering, University of Saint-Etienne. Academy of Lyon, France. 1996–2000 Research associate at the National Center for Macromolecular Imaging. Baylor, Houston, Texas. Assistant professor at King Saud University, Dept. of Biomedical Technology. Area of research in medical image processing and analysis, 23 publications, member of the American Association for the Advancement of Sciences. Marquis Who’s Who in the World; Cambridge Blue Book 2006.     

Visual enhancement of digital ultrasound images using multiscale wavelet domain

Ultrasonography has been considered as one of the most powerful techniques for imaging organs and soft tissue structures in the human body. The main disadvantage of medical ultrasonography is the poor quality of images, which are affected by multiplicative speckle noise. In this paper, we present a novel method for despeckling medical ultrasound images. The primary goal of speckle reduction is to remove the speckle without losing much detail contained in an image. To achieve this goal, we make use of the wavelet transform and apply multi-resolution analysis to localize an image into different frequency components or useful subbands and then effectively reduce the speckle in the subbands according to the local statistics within the bands. The main advantage of the wavelet transform is that the image fidelity after reconstruction is visually lossless. The objective of the paper is to investigate the proper selection of wavelet filters and thresholding schemes which yields optimal visual enhancement of ultrasound images, in particular. We employ the wavelet shrinkage denoising techniques with different wavelet bases and decomposition levels on the individual subbands to achieve the best acceptable speckle reduction while maintaining the fidelity of the image and also examine the effects of different thresholding techniques as well as shrinkage rules for denoising ultrasound images. The proposed method consists of the log transformed original ultrasound image being subjected to wavelet transform, which is then denoised by a thresholding technique using a shrinkage rule. Experimental results show that the subband decomposition of ultrasound images, using Bior6.8 and level 3 with soft thresholding based on Bayes shrinkage rule, performs better than other techniques. The performance is measured in terms of Variance, Mean Square Error (MSE), Signal-to-Noise Ratio (SNR), Peak SNR (PSNR) and Correlation Coefficient (CC). The results of wavelet shrinkage techniques are compared with common speckle filters. We observe that the proposed method achieves better visual enhancement of ultrasound images which would lead to more accurate image analysis by the medical experts.     

一种新的具有增强效果的小波域图像去噪方法

为了使去噪后的图像具有更佳的视觉效果,基于新近出现的一种小波域阈值去噪方法——NeighShrink,提出了一种具有细节增强效果的小波域图像去噪方法——增强型邻域收缩方法(enhanced NeighShrink,ENS)。该方法一方面继承了NeighShrink方法的优点,在对小波系数进行阈值处理时,由于考虑了其与邻域系数的相关性,从而大大减少了误判图像细节为噪声的情况,同时,通过改变NeighShrink方法中小波系数收缩因子的计算方法,用该方法去噪后的图像取得了高于NeighShrink方法的峰值信噪比;另一方面,通过引入一个细节增强因子P,使得该方法能够对图像细节进行增强,从而得到了更佳的视觉效果。通过实验证明,该方法能够在去噪和细节增强这两方面优于普通软阈值去噪方法和NeighShrink方法。