基于小波医学超声图像去斑点噪声方法.ppt 全文 文档投稿网

  本文关键词：基于小波的医学超声图像去斑点噪声方法，由笔耕文化传播整理发布。

基于小波的医学超声图像去斑点噪声方法 医学超声图像的灰阶图像往往存在一些直观的噪声，表现为图像中出现斑点、细粒、网纹、雪花状等结构异常现象，，尤其以斑点噪声影响为主。 对斑点噪声统计特性的研究表明，常见的斑点噪声服从瑞利分布，其均值与标准差成正比，这说明斑点噪声是乘性的。 在超声医学图像中，加性噪声 如换能器噪声等 的作用相对于乘性噪声来说很小，因此在实际应用中，有时候可以忽略加性噪声的影响。 所以超声图像可用近似模型： 将乘性噪声转变为近似的加性高斯白噪声即: 上面的表达式可以写为下面的形式: 常规的噪声滤波技术经常会导致丢掉的噪声中还含有部分信号，而输出的信号也会含有部分噪声，导致图像特征模糊。 本文把中值滤波以后得到的两部分利用小波软阈值再处理一次，去除信号部分的少量噪声，并且保留噪声当中的少量信号。 本文的去噪过程 用中值滤波把图像分成两部分 分别多尺度小波处理 软阈值处理 对带斑点噪声的图像取对数 重建去噪后的图像f1,f2。求和f f1+f2，获得的重建图像f取指数得去噪后图像 小波处理 对于任意的函数f（t）的连续小波变换为: 其中本文小波变换用’bior3.7’为小波基函数进行5尺度分解 ? 阈值估计 本文采用软阈值处理。根据经验，经过对数转换后的图像的小波子带系数可以假设为服从广义高斯分布 GGD 模型。 则求阈值公式如下： 其中： 是噪声方差，信号的标准差 ， 设 是局部领域的标准差， 为当前小波子带系数 原图像 加斑点噪声 0.04 把本文方法的结果与中值滤波器，维纳滤波器和M

  本文关键词：基于小波的医学超声图像去斑点噪声方法，由笔耕文化传播整理发布。