超声图像降噪有效方法

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

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。
相关文档
最新文档