針對斑點噪聲的圖像去噪與增強算法研究.pdf

1、醫(yī)學(xué)超聲圖像由于其特定的成像機制以及檢測組織的不均勻性而造成的斑點噪聲不同于一般的圖像噪聲,它屬于乘性噪聲,且很大比例處于高頻部分;醫(yī)學(xué)圖像的去噪處理不同于一般圖像的去噪處理,不僅需要去除噪聲,盡可能的保持圖像的細節(jié)信息,而且對待分割病灶區(qū)域的邊緣效果要求比較高,因此它需要在去噪的同時對圖像的邊緣進行增強處理。針對上述需求,本文構(gòu)建了一個適合去除斑點噪聲的混合模型。首先,分析了超聲圖像的噪聲類型,探索適合斑點噪聲的去噪算法;其次,構(gòu)造含

2、邊緣檢測函數(shù)的各向異性擴散模型和含變量函數(shù)的沖擊濾波器這一混合模型;最后,用Matlab程序完成圖像的去噪與增強處理操作,驗證算法的可行性。具體的研究成果包括:
　　1、分析各向異性擴散模型的優(yōu)缺點,針對該模型依靠檢測梯度算子來控制擴散進程,但梯度算子受噪聲的影響程度比較大這一現(xiàn)狀,在各向異性擴散模型的基礎(chǔ)上引入邊緣檢測算子,利用檢測算子對噪聲的低敏感度去除大量偽邊緣,達到充分降噪的目的;
　　2、闡述沖擊濾波器模型,在沖擊

3、濾波器模型的基礎(chǔ)上引入關(guān)于迭代次數(shù)的變量函數(shù),通過控制迭代次數(shù)達到適時控制沖擊幅度的效果;
　　3、將上述兩個改進的模型結(jié)合起來,不僅彌補了各向異性擴散方程不能很好地銳化邊緣和增強圖像的弊端,而且彌補了只有沖擊濾波器處理圖像不穩(wěn)定的弊端;
　　4、在實驗上,本文首先選用加入斑點噪聲的Lena圖像作為實驗圖像,通過對比實驗來驗證本文算法在去除斑點噪聲上的優(yōu)越性;而后繼續(xù)選用本身就含有斑點噪聲的甲狀腺超聲圖像作為實驗圖像,驗證本