眼科高频超声成像中斑点噪声抑制算法的研究

发布时间：2017-08-13 03:02

  本文关键词：眼科高频超声成像中斑点噪声抑制算法的研究

  更多相关文章： 医学超声图像 斑点噪声 拉普拉斯金字塔 各向异性扩散滤波

【摘要】：医学超声成像安全无创,实时高效,低成本,是一种被临床广泛采用的医学成像方式。随着超声技术的发展,眼科超声诊断仪也成为独特的分支。其中,超声生物显微镜(Ultrasound Biomicroscopy, UBM)对于眼前节的成像优于传统眼科诊断仪器。但是超声图像中存在一种特殊的噪声,即斑点(speckle)噪声,它是在产生超声图像过程中伴随产生的。斑点噪声不同于一般的图像噪声,它属于乘性噪声,且很大一部分属于高频部分。斑点噪声的出现会削弱图像的对比度和细节分辨率,从而影响临床的正确判断。医学图像的去噪不同于一般图像的去噪处理,不仅需要去除噪声,还要尽可能的保持图像的细节信息以及边缘信息,因此需要在去噪的同时对图像的边缘进行增强处理。针对以上需求,本文提出了两种去除斑点噪声的算法。本文首先分析了超声图像的噪声类型,特性以及斑点噪声的数学模型,比较了传统斑点抑制方法的优缺点,探索适合斑点噪声的去噪算法。然后基于斑点噪声抑制各向异性扩散(Speckle Reducing Anisotropic Diffusion, SRAD),提出了改进方法,对SRAD扩散系数进行了改进,提高了算法的鲁棒性,并增加了扩散模板的邻居点数目,提高了去噪过程中的细节保护能力。从单一层次上对图像进行去噪后,又提出了基于拉普拉斯金字塔的图像分层去噪算法。对图像进行拉普拉斯金字塔分解,得到含有不同频率的子带图像,然后根据子带图像不同特点进行分析,选取合适的去噪算法,最后重构,得到去噪增强的图像。通过实验验证,本文提出的改进斑点噪声抑制各向异性扩散方法以及基于拉普拉斯金字塔的分层去噪增强算法优于传统的滤波算法,不仅可以很好地去除超声图像的斑点噪声,而且要可以有效的保留图像细节以及边缘等。
【关键词】：医学超声图像 斑点噪声 拉普拉斯金字塔 各向异性扩散滤波
【学位授予单位】：北京协和医学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R445.1
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 前言8-12
• 1.1 研究背景及意义8
• 1.2 眼科超声生物显微镜的发展及历史8-9
• 1.3 超声图像中斑点噪声去除的研究现状9-11
• 1.4 本文创新点11
• 1.5 本文安排内容11-12
• 第二章 超声去噪相关理论12-23
• 2.1 超声波的特性及成像分析12-14
• 2.1.1 超声波的特性12-13
• 2.1.2 超声成像分析13-14
• 2.2 UBM诊断基本原理14-16
• 2.2.1 UBM在临床中的应用14
• 2.2.2 UBM系统组成14-16
• 2.2.3 UBM超声成像特点16
• 2.3 斑点噪声产生原因及模型16-19
• 2.3.1 超声成像过程中的噪声16-17
• 2.3.2 斑点噪声产生原因17
• 2.3.3 斑点噪声的模型17-19
• 2.4 斑点去噪评价指标19-22
• 2.4.1 主观评测19
• 2.4.2 客观评测19-22
• 2.5 本章小结22-23
• 第三章 超声图像滤波算法概述23-31
• 3.1 基于空域23-26
• 3.1.1 线性滤波23-24
• 3.1.2 非线性滤波24
• 3.1.3 基于统计特征的滤波24-26
• 3.2 基于变换域的滤波算法26-28
• 3.2.1 频域变换26-27
• 3.2.2 小波变换27-28
• 3.3 基于特定理论28-31
• 3.3.1 神经网络28-29
• 3.3.2 基于形态学的方法29
• 3.3.3 基于扩散理论的滤波方法29-31
• 第四章 改进的斑点抑制各向异性算法31-46
• 4.1 基于扩散的基本理论31-32
• 4.2 各向异性扩散的模型32-39
• 4.2.1 P-M模型32-34
• 4.2.2 相干非线性各向异性滤波34-37
• 4.2.3 SRAD模型37-39
• 4.3 对SRAD的改进39-46
• 4.3.1 对扩散系数的改进39-40
• 4.3.2 对扩散模板的改进40-42
• 4.3.3 改进后SRAD与其他算法的效果比较42-46
• 第五章 基于拉普拉斯金字塔的图像去噪46-58
• 5.1 拉普拉斯金字塔的分解和重构46-50
• 5.1.1 高斯金字塔46-48
• 5.1.2 拉普拉斯金字塔48-49
• 5.1.3 图像的反向重建49-50
• 5.2 在拉普拉斯金字塔域对图像进行处理50-58
• 5.2.1 拉普拉斯金字塔分解50-51
• 5.2.2 分层斑点噪声抑制51-52
• 5.2.3 滤波算法的比较52-58
• 第六章 总结与展望58-59
• 参考文献59-63
• 硕士期间发表的文章和申请的专利63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前3条

1 李虹;王惠南;董海艳;;基于小波变换的血管内超声图像血流斑点噪声抑制研究[J];生物医学工程学杂志;2008年02期

2 刘春明;张相芬;陈武凡;;基于小波的医学超声图像斑点噪声抑制方法[J];中国医学物理学杂志;2006年05期

3 ;[J];;年期

中国重要会议论文全文数据库 前6条

1 凌飞龙;汪小钦;陈芸芝;;SAR图像滤波去噪效果评价研究——以福建省海岸带为例[A];第十四届全国遥感技术学术交流会论文选集[C];2003年

2 王志勇;张继贤;王同孝;;SAR影像斑点噪声滤除效果的定量化评价[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

3 杨红磊;彭军还;;SAR图像斑点噪声抑制方法与应用研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

4 方亮;李胜勇;;基于MMSE的SAS图像斑点噪声抑制算法比较[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

5 曹恒智;余先川;;基于FL-ELee的SAR降噪[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

6 武鼎;;基于Lee滤波的SAR图像噪声滤除方法[A];全国铀矿大基地建设学术研讨会论文集（下）[C];2012年

中国博士学位论文全文数据库 前1条

1 张倩;SAR图像质量评估及其目标识别应用[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 田玲;眼科高频超声成像中斑点噪声抑制算法的研究[D];北京协和医学院;2016年

2 邓阳阳;基于自适应高斯滤波的斑点噪声抑制研究[D];昆明理工大学;2016年

3 刘斌;超声图像斑点噪声抑制的研究[D];云南大学;2012年

4 裴建英;针对斑点噪声的图像去噪与增强算法研究[D];河北大学;2014年

5 洪雨;SAR图像斑点抑制算法实现与质量评估研究[D];南京航空航天大学;2004年

6 王志勇;SAR斑点噪声滤除软件化方法研究[D];山东科技大学;2004年

7 王霞;基于小波域模型分析的SAR图像斑点噪声抑制算法[D];西安电子科技大学;2006年

8 苏创业;SAR图像斑点噪声抑制算法研究与应用[D];厦门大学;2008年

9 丁生荣;图像斑点噪声判别与参数估计方法研究[D];陕西师范大学;2011年

10 王宇辉;基于医学成像的斑点降噪与特征保持的研究及实现[D];南京邮电大学;2013年

，

本文编号：665019