超聲醫(yī)學(xué)圖像的去噪及增強(qiáng)研究.pdf

1、超聲醫(yī)學(xué)圖像由于其具有實(shí)時(shí)顯像、安全性高、價(jià)格便宜、使用方便等優(yōu)點(diǎn)，而成為臨床醫(yī)學(xué)輔助診斷的重要手段之一。但由于斑點(diǎn)噪聲的存在以及超聲圖像的灰度分布不合理（如圖像過暗等）現(xiàn)象，導(dǎo)致超聲圖像的細(xì)節(jié)信息難以辨別，甚至造成細(xì)節(jié)信息被斑點(diǎn)噪聲所掩蓋，因此如何有效的去除斑點(diǎn)噪聲，并很好的保留圖像的細(xì)節(jié)信息，以及如何有效地增強(qiáng)超聲圖像，實(shí)現(xiàn)灰度的合理分布，直接影響到臨床診斷的準(zhǔn)確性。
　　 本文根據(jù)超聲醫(yī)學(xué)圖像的特性，將小波變換、形態(tài)學(xué)、脈

2、沖耦合神經(jīng)網(wǎng)絡(luò)、模糊算法應(yīng)用于超聲醫(yī)學(xué)圖像去噪及增強(qiáng)的處理技術(shù)中，以改善超聲醫(yī)學(xué)圖像去噪及增強(qiáng)的性能。主要的研究內(nèi)容包括以下幾個(gè)方面：
　　 1．研究了超聲醫(yī)學(xué)圖像的小波閾值去噪方法
　　 在分析了小波軟閾值和硬閾值去噪方法優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了改進(jìn)的小波閾值去噪方法，并針對小波閾值去噪中的VisuShrink閾值（統(tǒng)一閾值）“過扼殺”細(xì)節(jié)系數(shù)的現(xiàn)象，進(jìn)一步將形態(tài)學(xué)算法引入到小波閾值方法中，提出了形態(tài)學(xué)小波閾值去噪方法，

3、該方法利用形態(tài)學(xué)擊中或擊不中變換來提取低于閾值的高頻信號的小波系數(shù)，與小波軟閾值方法相比，圖像的細(xì)節(jié)信息得到了更好的保留，并且有效的去除了斑點(diǎn)噪聲，仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
　　 2．研究了幾種基于PCNN的小波域超聲醫(yī)學(xué)圖像去噪方法
　　 利用PCNN脈沖耦合特性能夠區(qū)別信號和噪聲的性質(zhì)，探討了幾種基于PCNN的小波域超聲醫(yī)學(xué)圖像去噪方法。
　　 (1)研究了PCNN去除椒鹽噪聲的方法，結(jié)合小波變換的優(yōu)點(diǎn)

4、，針對斑點(diǎn)噪聲的特性，提出了基于PCNN的小波域超聲醫(yī)學(xué)圖像去噪方法，該方法利用PCNN的脈沖耦合特性，區(qū)別噪聲和信號，并通過逐步修改小波系數(shù)來去除噪聲，仿真實(shí)驗(yàn)表明，該方法能夠很好的去除噪聲和保留圖像細(xì)節(jié)。
　　 (2)在分析了斑點(diǎn)噪聲和PCNN的特點(diǎn)的基礎(chǔ)上，將PCNN引入到小波域中，并結(jié)合小波軟閾值去噪思想，提出了基于PCNN的超聲醫(yī)學(xué)圖像軟閾值去噪方法(ST-PCNN)，該方法的優(yōu)點(diǎn)是實(shí)現(xiàn)了在小波域中利用PCNN來識別高

5、頻信號的小波系數(shù)，并采用相應(yīng)的方法處理小波系數(shù)，改善了PCNN難以確定斑點(diǎn)噪聲的位置和采用固定閾值造成高頻信號損失的缺點(diǎn)，更好地保留了低于固定閾值的高頻信號的小波系數(shù)；在此基礎(chǔ)上，將模糊算法引入到PCNN模型中，進(jìn)一步提出了基于模糊PCNN的小波域超聲醫(yī)學(xué)圖像去噪方法(F-PCNN-WD)，該方法利用模糊算法來去除PCNN點(diǎn)火過程中大于點(diǎn)火閾值的斑點(diǎn)噪聲的小波系數(shù)，以更好的去除斑點(diǎn)噪聲。實(shí)驗(yàn)結(jié)果表明，ST-PCNN和F-PCNN-WD方

6、法不僅能夠有效地去除噪聲，而且能夠很好的保留圖像的邊緣和細(xì)節(jié)信息。
　　 3．研究了基于維納濾波和小波相融合的超聲醫(yī)學(xué)圖像去噪方法
　　 在分析了維納濾波和基于自適應(yīng)前處理的多尺度小波非線性閾值斑點(diǎn)噪聲抑制方法(MSSNT-A)特點(diǎn)的基礎(chǔ)上，提出了一種基于維納濾波與MSSNT-A相融合的超聲醫(yī)學(xué)圖像去噪方法。該方法首先對加噪圖像分別進(jìn)行維納濾波和MSSNT-A去噪，然后提取維納濾波處理后的圖像的邊緣，再將其與MSSNT-

7、A去噪后的圖像的相應(yīng)像素點(diǎn)進(jìn)行融合，得到去噪圖像。實(shí)驗(yàn)仿真結(jié)果表明，該方法處理后的圖像邊緣更清晰，細(xì)節(jié)得到了更好的保留。
　　 4．研究了自適應(yīng)鄰域直方圖均衡算法
　　 針對全局直方圖的“簡并”現(xiàn)象和局部直方圖增強(qiáng)圖像的盲目性，提出了基于自適應(yīng)低通濾波的超聲醫(yī)學(xué)圖像增強(qiáng)算法，該算法通過低通濾波器將超聲圖像分為高頻分量和低頻分量，對低頻分量采用自適應(yīng)鄰域直方圖均衡算法處理，對高頻分量進(jìn)行加權(quán)，然后對低頻分量和高頻分量進(jìn)行融