基于小波变换的医学超声图像去噪及增强方法

目的探求一种基于小波变换的医学超声图像去噪及增强方法。方法提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声;然后进行多尺度小波变换,将图像分解成一系列不同尺度上的小波系数,对变换后不同尺度的高频子图像进行非线性小波软阈值处理,阈值处理后的高频子图像进行增强;最后,经小波逆变换和指数变换恢复去噪后图像。结果原图像中斑纹噪声被有效去除,图像边缘细节得以保留。结论该方法可有效保留细节信号,极大限度地去除斑纹噪声。     

基于自适应低通滤波的超声医学图像增强算法

目的 介绍一种超声医学图像增强的有效算法.方法 基于自适应低通滤波器的超声图像增强算法,首先采用对数变换的方法将超声医学图像中存在的乘性噪声变为加性噪声;再通过低通滤波器将对数图像分为高频分量和低频分量,对低频分量采用自适应直方图均衡处理,对高频分量进行加权;然后对低频分量和高频分量进行融合得到增强的对数图像;最后对对数图像进行指数变换得到输出图像.结果 原超声医学图像得到有效增强,边缘细节得以保留.结论 该算法有效地实现了超声医学图像增强,突出了超声图像的细节,改善了视觉效果,并对噪声具有良好的抑制作用.     

基于小波极大模值信息的医学图像去噪方法

目的 利用小波变换进行医学图像去噪.方法 通过分析二进小波变换下小波极大模值的特点,即信号的极大模值往往会大于噪声的极大模值,而且噪声的极大模值会随着尺度增大而急剧减少,信号的极大模值却改变很小,由此构造了更有效的去噪准则,即根据不同尺度上的极大模值信息,选择不同的域值来滤除噪声.结果 应用该方法进行医学图像去噪,能保持较高的峰值信噪比、图像细节和边缘特征以及图像清晰度.结论 基于小波极大模值信息的去噪方法能有效地降低医学图像中的噪声.     

基于各向异性扩散和小波变换的磁共振图像降噪和增强方法

降噪是医学图像处理中一个非常重要的问题,传统去噪方法在降低噪声的同时会模糊图像的边缘,各向异性扩散滤波在降低图像噪声的同时能够使图像的边缘得到保持.利用小波变换可以对图像进行多尺度分解,使我们可以在不同尺度上对图像进行处理.本文利用各向异性扩散滤波对MRI图像进行降噪,然后利用平稳小波变换对图像进行增强处理.实验结果表明,该方法在有效去除噪声的同时能够增强图像的细节,有效地提高了图像的质量.     

基于相似度测量的医学超声图像对比度增强

目的探求一种基于相似度测量的医学超声图像对比度增强方法。方法本文在基于相似度测量的对比度增强方法的基础上,针对医学超声图像的特点,引入了局部模糊分形维数特征,改进了相似度和对比度变换因子的计算方法,同时提出了对比度增强系数的自适应选择方法,通过改变图像局部对比度增强图像。结果大量的实验结果表明处理后的图像对比度得到了明显的提高,同时背景和噪声未出现明显改变,组织细节信息保留完整,图像可读性增强。结论本文算法在增强图像对比度的同时能够有效地保留组织细节信息并抑制噪声过度增强,是一种有效的医学超声图像对比度增强方法。     

自适应非局域均值滤波的超声图像去噪

目的 提出一种去除超声图像噪声的新方法。方法 对超声图像进行非局域搜索,找到相似的图像块进行加权平均,降低噪声。通过定义一个特征强度,区分斑点噪声和图像边界;然后将特征强度引入非局域滤波方法中,对平坦区域和边界进行自适应滤波。结果 本方法可有效去除斑点噪声,提高噪声图像的峰值信噪比(PSNR)和结构相似度指数(SSIM),优于常规方法。结论 自适应非局域均值滤波可有效去噪,并保护超声图像特征。     

超声乳腺肿瘤图像的边缘提取

目的探求乳腺肿瘤超声图像的边缘提取。方法广义梯度矢量流Snake模型已经成功地用于噪声相对比较小的CT、MRI等医学图像,然而乳腺肿瘤超声图像对比度低,斑点噪声大,很难将该模型直接应用于乳腺肿瘤超声图像。本文针对乳腺肿瘤超声图像的特点如图像对比度低,斑点噪声大,部分边缘缺失,肿瘤内部微细结构分布复杂(如血管,钙化灶等),特别恶性肿瘤还具有复杂形状等,采用相应的图像处理技术如非线性各向异性扩散滤除斑点噪声,形态学滤波器平滑图像,直方图均衡化提高图像的对比度,最后将该模型引入到乳腺肿瘤超声图像边缘提取。结果实验对158例乳腺肿瘤超声图像进行边缘提取,定量和定性分析均获得满意的结果。结论本文方法可以有效地用于超声乳腺肿瘤图像的边缘提取。     

超声图像中基于经验模态分解自动提取内-中膜厚度

目的为改善传统人工标记测量血管内-中膜厚度(IMT)的准确性和稳定性,提出基于图像分割技术的经验模态分解(EMD)改进算法。方法采用EMD改进算法去噪,根据血管壁的特点,在其中的极值点插值步骤使用非均匀的二维B样条函数,在水平和垂直方向上控制网格的密度不同,分别满足不同的分辨精度和平滑程度要求,改进了原始的二维EMD算法;然后通过K均值方法从图像中分离出血管腔、血管壁和其他组织,使用数学形态学算法逐步得到最终的内-中膜组织分割结果。结果改进EMD算法取得了较好的重建和滤波效果,有效克服了超声图像的强噪声和低分辨力对图像分割的限制,整个算法分割比较准确,算法复杂度相对较小。结论改进EMD算法是在超声图像中自动提取内-中膜的较有潜力的方法,能有效去除超声噪声,同时保留条纹结构的细节和边缘信息,有望于其他强噪声环境下提取条纹结构。     

基于小波变换的数字胸片增强

目的 研究一种基于小波变换的数字胸片图像增强新算法.方法 小波分解后,首先利用小波阈值法进行去噪预处理,然后对高频分量采用非线性增强,对低频分量采用反锐化掩模增强方法,通过小波反变换重构出增强后的图像.结果 通过对传统增强方法和本文提出的小波增强新方法进行实验对比,验证了本文算法对数字胸片图像有较好的增强效果.结论 对于分辨力低、噪声干扰严重、光照不均的数字胸片图像,本文提出的基于小波变换的增强新方法可保留图像细节信息,同时有效去除噪声.     

MR图像去噪算法研究进展

MRI对医学诊断有重要价值,而去噪是MR图像分析与诊断的基础问题之一.因此,探讨能消除MR图像噪声的方法具有重要的临床意义和应用价值.作者从空间域、变换域及多尺度分析等方面对MR图像去噪算法进行综述,分析和比较其性能,并对医学图像去噪领域的前景和趋势进行展望.     

基于条状挡板的kV级锥形束CT散射校正

目的 校正锥形束CT投影中的散射信号,以提高图像质量。 方法 使用条状挡板测量Varian机载kV级锥形束CT投影图像中的散射信号,并将其从再次扫描的投影中扣除,以获得原始射线的投影图像。使用空域自适应的BayesShrink小波对投影图像进行去噪处理,并导入Varian On Board Imager工作站进行重建;比较处理前后的图像质量。 结果 校正后图像的低对比度分辨力提高,噪声降低,CT值的准确性和均匀性得到改善。 结论 条状挡板能准确获取投影图像中的散射信号;扣除散射信号后使用小波阈值法去噪,可有效提高图像质量。     

基于超声图像处理的HIFU所致组织损伤自动检测方法:实验研究

目的 探讨基于超声图像处理的HIFU所致组织损伤的自动检测方法。方法 针对HIFU辐照后新鲜离体猪肉声像图中的ROI,通过搜索灰度极大区域自动定位图像中的所有亮斑,结合数学形态学、连通域标记和Canny边缘检测算法提取测试对象的边缘轮廓;根据亮斑中心至边缘轮廓的欧式距离去除边缘附近的亮斑噪声,获取HIFU损伤候选区;而后提取候选区特征参数,并结合支持向量机（SVM）识别HIFU损伤。结果 最大灰度值和矩形度两个特征参数的识别率分别为86.25%和93.33%。选用识别率更高的矩形度,可正确识别单处、多处HIFU损伤或无HIFU损伤的图像。结论 采用此法可直接分析HIFU辐照后超声声像图而自动检测HIFU损伤,无需依靠图像配准技术,可减少手动定位带来的误差。     

Speckle reduction with edge preservation in medical ultrasonic images using a homogeneous region growing mean filter (HRGMF)

In this paper, we propose a new post formation adaptive image filtering technique, to be called the homogeneous region growing mean filter, in order to reduce speckle noise with edge preservation in medical ultrasonic images. First, to find a proper seed region, an initially assumed seed region, which is larger than the average speckle size around a given filtering point, is successively contracted according to a certain local homogeneity criterion. Once the seed region is determined, the next step is to grow the homogeneous region successively based on some measures of local homogeneity and similarity of the neighboring region. The output of the proposed filter for each filtering point is obtained from the arithmetic mean of the grown locally homogeneous region. Several simulation results are presented to illustrate the performance of the proposed filter. They show that the proposed technique effectively smoothes ultrasonic speckle and completely suppresses isolated impulsive noise over the entire texture in addition to preserving the edge information.     

3D均值中值滤波参数对3D有序子集期望最大化重建图像的影响

目的 采用3D均值中值滤波器对重建前投影数据进行滤波处理，并调整参数定量分析3D均值中值滤波参数选取对有序子集期望最大化（OSEM）重建图像的影响。方法 对分析模拟软件（ASIM）模拟的3D模体投影数据进行3D均值中值滤波处理。利用开源断层图像重建（STIR）软件中的OSEM算法对滤波前后投影数据进行重建，视觉和定量评估重建图像。结果 滤波参数K与图像质量密切相关。K值过大时重建图像边缘保持效果较差，图像过平滑；K值过小则不能抑制噪声，重建图像细节模糊。结论 重建图像噪声大小以及边缘保持效果对滤波参数K十分敏感。根据梯度分布直方图确定滤波参数选取范围，结合梯度分布比从中折中选择适当参数，既可去除噪声，又能保护图像边缘。     

SRBF: Speckle Reducing Bilateral Filtering

Speckle noise negatively affects medical ultrasound image shape interpretation and boundary detection. Speckle removal filters are widely used to selectively remove speckle noise without destroying important image features to enhance object boundaries. In this article, a fully automatic bilateral filter tailored to ultrasound images is proposed. The edge preservation property is obtained by embedding noise statistics in the filter framework. Consequently, the filter is able to tackle the multiplicative behavior modulating the smoothing strength with respect to local statistics. The in silico experiments clearly showed that the speckle reducing bilateral filter (SRBF) has superior performances to most of the state of the art filtering methods. The filter is tested on 50 in vivo US images and its influence on a segmentation task is quantified. The results using SRBF filtered data sets show a superior performance to using oriented anisotropic diffusion filtered images. This improvement is due to the adaptive support of SRBF and the embedded noise statistics, yielding a more homogeneous smoothing. SRBF results in a fully automatic, fast and flexible algorithm potentially suitable in wide ranges of speckle noise sizes, for different medical applications (IVUS, B-mode, 3-D matrix array US). (E-mail: balocco.simone@gmail.com)     

Speckle noise reduction in ultrasound biomedical B-scan images using discrete topological derivative

Over three decades, several despeckling techniques have been developed by researchers to reduce the speckle noise inherently present in ultrasound B-scan images without losing the diagnostic information. The topological derivative (TD) is the recently adopted technique in the area of biomedical image processing. In this work, we computed the topological derivative for an appropriate function associated to the ultrasound B-scan image gradient by assigning a diffusion factor k, which indicates the cost endowed to that particular image. In this article, a novel image denoising approach, called discrete topological derivative (DTD) has been implemented. The algorithm has been developed in MATLAB7.1 and tested over 200 ultrasound B-scan images of several organs such as the liver, kidney, gall bladder and pancreas. Further, the performance of the DTD algorithm has been estimated by calculating important performance metrics. A comparative study was carried out between the DTD and the traditional despeckling techniques. The calculated peak signal-to-noise ratio (PSNR) (the ratio between the maximum possible power of a signal and the power of corrupting noise that affects the fidelity of its representation) value of the DTD despeckled liver image is found to be 28 which is comparable with the outperformed speckle reducing anisotropic diffusion (SRAD) filter. SRAD filter is an edge-sensitive diffusion method for speckled images of ultrasonic and radar imaging applications. Canny edge detection and visual inspection of DTD filtered images by the trained radiologist found that the DTD algorithm preserves the hypoechoic and hyperechoic regions resulting in improved diagnosis as well as tissue characterization.