数学形态学与自适应结合的超声医学图像滤波方法的研究

超声医学成像因其具有无创性、便捷性、实时性、价格便宜和使用方便等优势广泛应用于临床诊断。然而,由于在超声成像过程中形成的特有的图像斑点,使得对比度弱的人体软组织中正常组织和病变组织不易区分,给临床诊断和医学研究带来不便。本文针对医学超声图像的特点,在研究了几种常用滤波去噪方法的基础上,提出一种自适应滤波和形态滤波结合的超声医学图像滤波去噪方法。首先采用自适应中值滤波对图像进行预处理,抑制斑点噪声,保留必要细节;然后采用数学形态学方法进行二次滤波和增强对比度,可有效改善图像质量。最后从去噪图像和评价指标上与常用滤波去噪方法进行比较,实验证明,该方法可明显提高超声医学图像的质量。     

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术,但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法,首先计算原始相位图的噪声方差,然后对图像分别进行正弦与余弦变换后得到两幅图像,再对这两幅图像进行小波同态阈值去噪与非局部均值滤波,最后将处理后的两幅相位图反正切运算并再次估计噪声方差,根据图像噪声方差的收敛情况判断是否继续迭代处理,以实现相位图的自适应降噪。实验结果表明：针对同一张含噪相位图与传统正余弦均值滤波相比,本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16,同时,图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声,充分保留相位边缘信息,同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。     

医学超声病灶图像预处理

图像滤波技术在图像处理中占有重要的地位。其中医学病灶超声图像主要被斑点噪声污染,对医生诊断病情带来干扰。针对医学超声图像噪声的特点提出了自适应中值滤波器,并与经典中值滤波器对含有不同噪声密度的胆囊超声图像进行去噪处理,对实验结果对比分析。结论表明:自适应中值滤波较经典中值滤波在对噪声密度较大的图像进行去噪时,能较好的保持图像细节信息,它能够有效改善图像质量。自适应中值滤波器较其他非线性滤波器有更好的视觉效果。     

自适应SUSAN扩散的超声图像去噪算法

为了降低超声图像斑点噪声的影响,提出一种自适应SUSAN(ASUSAN)扩散的超声图像去噪算法.通过引入SUSAN算法检测出图像的边缘,然后采用K均值法对模板区域特征值进行分类,自适应获得图像的全斑点噪声区域和相关参数,最后将SUSAN算法与非线性扩散方法相结合,提出一种新的扩散方程对图像进行非线性去噪.实验证明,相比于其他的各向异性扩散算法,本算法能得到更高的PSNR值和FOM值以及更小的MSE值,且在细节保留方面也能取得更好的效果.     

增强型Shearlet域SAR图像去噪

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了一种增强型Shearlet域SAR图像滤波去噪算法。该算法首先分析SAR图像的局部特性,利用局部特性,将图像分成均质区域、非均质区域和边缘区域。对均质区域,用均值滤波器进行滤波去噪;对非均质区域,用Shearlet变换处理去噪;对边缘区域,进行直接保留。实验结果证明,该算法不仅能够显著消除相干斑噪声,明显的提高视觉效果,而且能够很好的保持边缘细节和纹理信息。     

基于改进DTCWT和引导滤波的低剂量CT图像降噪

针对低剂量计算机断层扫描(CT)图像噪点较多和空间分辨率低的问题,提出了一种基于改进双树复小波变换(DTCWT)和引导滤波的低剂量CT图像降噪方法。首先使用DTCWT对低剂量CT图像进行多尺度分解,对高频子带系数使用拟合优度检验框架进行去噪,对低频子带使用三边滤波进行降噪,逆DTCWT重构得到初始去噪图像;然后使用降噪并插值的低频子带图像作为导向图像对CT图像进行引导滤波;接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像;最后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪,叠加两次去噪结果得到最终去噪图像。实验结果表明,该方法优于其他传统图像去噪算法,在抑制噪声的同时,良好地保留了图像的边缘轮廓和纹理特征,对低剂量CT图像有着显著的去噪效果。     

一种改进的去除数字图像脉冲噪声方法

提出了一种新的高效的数字图像脉冲噪声检测和去噪方法.该方法主要由2部分组成:噪声的检测和噪声的去除.检测阶段主要的任务是将图像信号点和噪声点区分开来,噪声去除阶段的主要任务是对检测到的噪声进行滤波处理.用一种改进的中值滤波器和均值滤波器来去除检测到的噪声点.实验结果表明该方法与其他方法相比,在噪声去除和图像细节保护方面...     

结合小波变换和双边滤波的SICM图像降噪算法

扫描离子电导显微镜(Scanning Ion Conductance Microscope, SICM)能够实现微纳米级的形貌测量,引起广大学者的关注研究。针对SICM形貌图像易受噪声污染,影响后续应用的问题,提出了一种基于小波分层阈值处理的双边滤波算法。针对SICM形貌图像的多特征融合噪声,采用伪中值滤波局部处理图像中的强斑点噪声,有机结合小波阈值去噪和双边滤波去除图像高频和低频噪声,最终得到去噪效果较好的形貌图像。通过仿真实验和实测实验进行多次验证,本文算法对比中值滤波、双边滤波和小波去噪三种去噪算法,其峰值信噪比提升幅度均大于9.8%。实验表明本文算法在SICM形貌图像去噪方面具有更大优势。     

血管内超声图像序列的自动降噪方法

提出一种血管内超声图像序列的自动降噪方法。首先对图像序列中每帧图像进行中值滤波,抑制图像脉冲干扰及斑点噪声,保护边缘少受模糊,然后采用图像序列均值滤波方法抑制图像加性随机噪声,提高图像信噪比,并利用小波软阈值降噪的多尺度分析特性,对均值图像的细节加以分辨,再结合算术运算得到最终降噪效果。对比中值滤波、小波软阈值降噪等传统滤波方法,提方法能得到更好的降噪效果;利用所提方法对连续不同帧数血管内超声图像进行降噪处理,当图像帧数为10时,图像序列的降噪效果更好;通过峰值信噪比、降噪时间和边缘检测效果的对比,可以发现本文所提方法能改善降噪效果、提高边缘检测的准确度,保证降噪效率。     

基于均值滤波和小波分析的图像去噪

由于均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息,从而导致整幅图像的模糊不清,而小波分析在图像处理中具有较强的图像增强能力,故而采用两种滤波方法的结合来处理含噪图像。通过实验证明,该法在处理含噪图像时,不仅很好地降低了噪声,而且还较好地保留了原图像的边缘等细节信息,使得图像的对比度增强,增进了图像的视觉效果。两者的有机结合使得图像的去噪效果比单独使用其中一种更优。     

Feature and border extraction of tissue regions in medical ultrasonic images

Today, information obtained from such medical images as X rays, CT, and MRI, as well as ultrasonic images, is important for diagnosis. In particular, an ultrasonic image has the merits of safety, low cost, and simplicity of the machine. On the other hand, ultrasonic images are sometimes poor in quality because of electronic characteristics and speckle noise of the ultrasound equipment. Therefore, diagnosis by ultrasonic imaging has been dependent mainly on the judgment of doctors. It is necessary to develop an automatic diagnosis method based on qualitative evaluation. In this paper, we present a novel method of region extraction using statistical characteristics of the echo speckle pattern in ultrasonic imaging. The discriminating function is defined to recognize the similarity of the statistical characteristics. It is based on a multidimensional autoregressive model. Using the proposed region extraction method, it is possible to discriminate and extract different regions in one image. We also propose a method to extract the border of the tissue region as an application of the regional extraction method. Finally, we have evaluated these methods by analyzing ultrasonic images including regions of the tissue in the human body and simulated data. © 1998 Scripta Technica, Electr Eng Jpn, 124(2): 29–35, 1998     

基于小波域马尔可夫随机场模型的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时,尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足,没有普遍的适用性。基于图像在小波域的马尔可夫随机场模型(MRF)结构,结合SAR图像中相干斑噪声的统计特性,本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明,该方法在有效抑制相干斑的同时,更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比,该方法在噪声平滑及边缘保持上都取得了较大的改进,并得到了较好的视觉效果。     

基于K均值聚类的组织损伤等级判定研究

利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,可对猪肉组织造成3个等级程度的损伤。从B超图像处理方向出发,提出一种基于K均值聚类并结合双参数的组织损伤等级判定方法。通过B超仪器实时获取HIFU辐照前后的134例猪肉组织图像,并做预处理获得焦斑区域的减影图像。再提取减影图像的灰度均值和小波系数均值,利用K均值聚类的方法对猪肉样本组织的损伤等级进行分类处理。实验结果表明,灰度均值参数能较好地区分第2、3等级程度的损伤,小波系数均值能较好地区分第1、2等级程度的损伤,而基于K均值聚类并结合双参数的分类方法结合了前两者的优点,在组织损伤等级的总辨识率上分别提高了5.23%和3.43%,更能准确地判定组织的损伤等级,便于临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。     

一种新的基于小波变换的SAR图像相干斑噪声抑制方法

本文从SAR图像相干斑噪声的产生机理出发,分析了各种滤波方法的优缺点后,在传统小波去噪的基础上提出了一种新的基于小波变换的SAR图像相干斑噪声抑制方法。该方法通过对小波分解后的高频区域进行二阈值分割,结合高频区域的方向特性和中值滤波方法,引入方向滤波窗口对不同分区进行不同的噪声抑制处理。实验结果证明了该方法的有效性,即此方法不仅拥有良好的去噪能力,而且能够很好的保持原图像的边缘信息.     

基于SURF算法的HIFU治疗前后超声图像配准研究

高强度聚焦超声(HIFU)治疗过程中,医生通常将治疗前后的超声监控图像直接相减,得到治疗区域的图像来判断治疗效果。由于治疗后病人的体位可能会变化,导致治疗前后采集的图像发生偏移,通常需要先将HIFU治疗前后的超声监控图像进行配准。提出了一种基于加速鲁棒性算法(SURF)和超声监控图像散斑特征的快速图像配准方法。首先利用经典的SURF特征检测器分别提取治疗前和治疗后超声图像中的特征点,采用欧式距离匹配提取的特征向量,通过超声图像的固有属性散斑特征的分布规律优化配准参数并用RANSAC算法去除错误匹配点对,最后利用最小二乘法求出图像之间的映射关系完成配准。实验结果表明,该算法能自动搜索治疗前后超声监控图像中的对应特征点,比传统的人工筛选特征点效率更高,且利用散斑特征的分布规律优化后的SURF算法相比标准的SURF算法配准精度更高。