超声图像降噪有效方法

去噪方法
5.多尺度几何分析（信号的时域与频域） 小波阈值降噪法 （一维上）
它利用图像小波分解（高频系数+低频系数分解）后,各个子图像在小波变换的不同尺度下，根据该尺度下的 噪声含量选取该阈值,对图像的细节加以分辨。
其处理方法有两种: ①将小于某一阈值的小波系数以0代替并将大于阈值的值减去阈值作为新的小波系数值，这就是所谓的软阈值； ②直接将小于阈值的小波系数用0代替，而大于阈值的不作处理，就是硬阈值。然后用经过处理后的小波系数重 建图像,便得到经过滤除噪声后的图像。
一般在小尺度上，采用软阈值方法降噪。这是因为噪声集中在小尺度上，而采用软阈值可以使其收缩，使 其在重建图像里所占的比例减小，这样最大限度的减小了噪声的影响。反之在大尺度上，由于噪声的成分相对较 小，所以大于阈值的小波系数可以保留不变，这样图像的特征就不会因为小波压缩而被消弱。
高维情况下，小波分析不能充分利用几何特征——多尺度几何分析致力于寻找一种高维函数的最佳表达方 法：瘠波变换，曲波变换，ridgelet变换，contourlet变换等
1.非线性中值滤波 多数线性滤波是低通滤波,在去除噪声的同时也使图像的边缘变的模糊,丢失了有用信息,而中值滤波是一种非
线性滤波，它可以去除图像中的脉冲噪声和椒盐噪声。中值滤波的基本技术思路是对窗口内的所有像素灰度进行 排序，取排序结果的中值作为原窗口中心点处像素的灰度——消除孤立的噪点，模糊边缘信息 2.自适应滤波法
University of Shanghai for Science and Technology
综合方法例子
解决医学图像散斑噪声的重要发展方向 结合自适应处理和小波软阈值的方法：自适应为前处理分离成两部分，分别小波处理。自适应前处理后，
噪声部分没有被抛弃，而是继续参与信号的抽取，最大程度还原真实信号，前处理分离后，大概可知信号与噪声 的分部，利于更准确的得到个尺度内的阈值，在小波分析中，更好地区分信号和噪声，分别做不同的阈值处理。
在下图中，我们发现我们熟悉的身体对象阵列根据物理对比度和大小排列。我们现在添加第三个因子， 噪声，它将影响可见和不可见对象之间的边界。增加图像噪声的一般效果是降低物体可见度。在大多数医学成 像情况下，噪声的影响对已经接近可见度阈值的低对比度物体最为显着。
University of Shanghai for Science and Technology
超声噪声
➢ 斑点噪声是超声图像中的固有噪声
【散斑】
➢ 一种认为他是噪声，影响了图像的清晰度和质量，试图去平滑；另一种认为是结构性信号，反映了成像
介质的结构信息
➢ 超声成像的相干性造成了特殊的斑点噪声。
➢ 医学超声成像是通过接受散射回波信号相干得到图像，由于系统分辨能力有限和成像目标表面相对于信 号的波长是粗糙的，并且每一个分辨单元都包含很多散射中心，探测到的目标是这些散射中心回波的矢 量叠加。由于其散射中心的回波相位是随机变化的，导致叠加结果造成图像的每一个分辨率单元的灰度 （幅度）和相位是随机变化的，就形成了散斑噪声。
University ofogy
综合方法例子
近日，中科院苏州医工所超声团队在已经掌握的超声导管技术、高频1-3复合材料制备、高频超声换能器 制备、高频信号采集、单通道超声数字成像等关键技术的基础上，进行了10MHz凸阵， 12MHz\20MHz\30MHz单阵元探头的研制工作。得到的换能器幅值较高，波形良好，拖尾较小，脉宽较短 ；谱分析发现其带宽图平滑，带宽较大。这样的换能器已经能够满足内窥镜的要求。
University of Shanghai for Science and Technology
综合方法例子
超声内窥镜（EUS, Endoscopic Ultrasound）是将超声用于消化道检查的技术，将微型高频超声探头安 置在探头顶端，插入体腔后利用超声进行实时扫描，从而获得胃肠道的层次结构的组织学特征及周围邻近脏器的 超声图像。与普通光学内窥镜观察肠道表面不同，EUS能够得到肠道五层组织结构（即粘膜m、深层粘膜mm、 粘膜下层sm、固有肌层mp以及浆膜或外周动脉外膜s）的图像，能够诊断出肠道粘膜之下出现的病变。
➢ 影响细微特质，是超声图像的可解释性和判读性变差，给后续的边缘检测，图像分割等带来困难。 ➢ 散斑噪声的影响是超声成像各领域应用中面临的一个共同的问题，有效抑制可大大提高图像质量和应用
价值。
University of Shanghai for Science and Technology
去噪方法
医学B超图像中,不同区域内图像性质不同,且其叠加的噪声幅度也不尽相同,故应根据图像的局部区域特性自 动选择相应的滤波器模板,这种滤波器称为自适应滤波器。它的技术思路为:估计每个像素的局部区域的均值和方 差——那些方差（表示数据集中数据点的离散程度/与其平均值的偏离程度）很接近噪声方差的区域将被本局部区域的均值替 代(消除了噪声),而那些方差与噪声方差相似度较小的区域几乎不参加滤波运算(保留有用信息)，具有自适应性。 3.空间局部统计法（各向异性扩散）
基于一定的估计准则的统计学方法：例如率最小均方误差准则，极大似然法，最大后验概率等，最典型的是 Lee滤波算法（最小均方误差准则）和Frost滤波算法（局域方差系数）——局部数据均匀时，可进行强有力的滤波，但变 化较大时，轻微滤波，对边缘变化处理不够。
University of Shanghai for Science and Technology
超声图像降噪有效方法分享
医学成像过程的五个主要组成部分
患者
成像系统
系统操作员 University of Shanghai for Science and Technology
图像本身
伪像 模糊 对比度 噪声 失真
观察者
所有医学图像的一个重要特征是图像噪声。图像噪声（有时称为图像斑点）使图像具有纹理或颗粒状外 观，图像噪声的来源和数量取决于成像方法。