眼科高頻超聲成像中斑點噪聲抑制算法的研究.pdf

1、醫(yī)學(xué)超聲成像安全無創(chuàng)，實時高效，低成本，是一種被臨床廣泛采用的醫(yī)學(xué)成像方式。隨著超聲技術(shù)的發(fā)展，眼科超聲診斷儀也成為獨特的分支。其中，超聲生物顯微鏡(Ultrasound Biomicroscopy，UBM)對于眼前節(jié)的成像優(yōu)于傳統(tǒng)眼科診斷儀器。但是超聲圖像中存在一種特殊的噪聲，即斑點(speckle)噪聲，它是在產(chǎn)生超聲圖像過程中伴隨產(chǎn)生的。斑點噪聲不同于一般的圖像噪聲，它屬于乘性噪聲，且很大一部分屬于高頻部分。斑點噪聲的出現(xiàn)會削弱圖

2、像的對比度和細(xì)節(jié)分辨率，從而影響臨床的正確判斷。醫(yī)學(xué)圖像的去噪不同于一般圖像的去噪處理，不僅需要去除噪聲，還要盡可能的保持圖像的細(xì)節(jié)信息以及邊緣信息，因此需要在去噪的同時對圖像的邊緣進行增強處理。針對以上需求，本文提出了兩種去除斑點噪聲的算法。
　　本文首先分析了超聲圖像的噪聲類型，特性以及斑點噪聲的數(shù)學(xué)模型，比較了傳統(tǒng)斑點抑制方法的優(yōu)缺點，探索適合斑點噪聲的去噪算法。然后基于斑點噪聲抑制各向異性擴散（Speckle Reduci

3、ng Anisotropic Diffusion，SRAD），提出了改進方法，對SRAD擴散系數(shù)進行了改進，提高了算法的魯棒性，并增加了擴散模板的鄰居點數(shù)目，提高了去噪過程中的細(xì)節(jié)保護能力。從單一層次上對圖像進行去噪后，又提出了基于拉普拉斯金字塔的圖像分層去噪算法。對圖像進行拉普拉斯金字塔分解，得到含有不同頻率的子帶圖像，然后根據(jù)子帶圖像不同特點進行分析，選取合適的去噪算法，最后重構(gòu)，得到去噪增強的圖像。
　　通過實驗驗證，本文提