基于混合小波变换的医学超声图像自适应去斑

针对小波去斑方法在医学超声图像抑斑上的不足,提出一种混合离散小波变换DWT(Discrete Wavelet Transform)和双树复小波变换DTCWT(Dual-tree Complex Wavelet Transform)进行阈值处理和变量收缩的医学超声图像自适应去斑算法。首先,在小波域,根据小波系数能量的特点,计算综合阈值实现图像预处理;然后,结合小波系数的尺度相关性,提出一种改进的三变量收缩函数,实现图像去斑。实验结果表明该方法较已有的经典方法更为有效,一般情况信噪比可提高0.6~2.6dB,图像边缘信息保持能力更突出。     

基于局部熵的量子衍生医学超声图像去斑

针对现有医学超声图像去斑方法的不足,该文提出一种基于局部熵的量子衍生医学超声图像去斑新方法。首先,将对数变换后的图像进行双树复小波变换(DTCWT),并对信号与噪声分别建模;然后,提取复小波中子代与父代小波系数的实部,计算其局部熵并进行归一化乘积,结合量子衍生理论得到用来调整信号与噪声出现概率的可调参数;最后,利用改进的双变量收缩函数获得去斑后的图像。通过实验,结果表明该方法与已有方法相比能够更有效地滤除医学超声图像中的斑点噪声并保留细节信息。