基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。     

基于小波软阈值滤波的医学图像去噪

目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.     

基于复小波域非线性扩散的超声图像去噪

超声图像易受斑点噪声的干扰,限制了其在医学诊断中的进一步应用。提出了一种将双树复小波变换(DT-CWT)与非线性扩散相结合的超声图像去噪方法。首先,对图像进行双树复小波分解;然后,高频部分和低频部分分别采用自适应对比度扩散和全变差扩散,最后重构图像。给出了实验结果,并与小波阈值收缩和全变差扩散结合的方法、基于小波和基于多小波的非线性扩散方法的图像去噪效果进行了比较。结果表明,本文提出的方法去噪效果更为优越:不但抑制噪声的能力更强,而且能够更好地保留超声图像原有的边缘和纹理特征。     

基于小波与小波包分析的CT图像去噪研究

目的:小波与小波包分析在医学CT图像噪声抑制方面的应用价值研究。方法:采用MATLAB6.5对512×512的CT图像进行实验。提出了小波局部阈值软硬函数折中消噪方法。并将此方法与小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪、及小波包消噪的方法进行了对比。结果:从实验中可以得出小波包消噪效果最好,能够有效的滤除图像中的噪声且边缘效果保持良好,本文提出的小波局部阈值软硬函数折中消噪法也能能够有效的滤除图像中的噪声,效果较小波强制消噪、全局阈值硬函数消噪、全局阈值软函数消噪要好,但是边缘效果及噪声滤除的程度都不及小波包。结论:实验结果表明本文提出的小波局部阈值软硬函数折中消噪方法在小波消噪方面具有一定的价值。     

基于小波层间相关性的中医诊断图像去噪方法的研究

中医四诊即望、闻、问、切，是中医用于诊断疾病的四个基本方法，它们是中医正确辨证和有效治疗的前提。对中医诊断图像进行去噪可以提高医学图像的信息利用率，小波变换是目前最新的时频分析工具，是中医诊断图像去噪的强有力处理工具。本文提出了一种基于小波层间相关性的中医诊断图像去噪方法，实验证明，该去噪方法能有效去除中医诊断图像中的噪声。     

基于小波分析的红外乳腺图像去噪与增强的实验研究

将小波的多分辨率分析技术运用到红外乳腺图像的降噪增强处理以改善图像质量.运用不同的阈值量化策略实现图像降噪.再引入增益因子,采用基于小波变换的增强算法突出肿块阴影.通过实验将直接增强和去噪后再增强的图像进行对比可以得到清晰度更高的图像.经处理后的乳腺图像,为临床提供了更细致明确的信息,有助于提高诊断水平.     

一种基于模糊均差和小波变换的医学图像去噪方法

小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用。针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法。在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪。试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节。     

基于树状小波的超声医学图像阈值函数降噪

针对超声医学图像中存在特有的斑点噪声,利用树状小波分解比传统小波分解精度高的特点,将超声医学图像进行树状小波分解,然后分别采用硬阈值、软阈值和半软阈值函数三种方法进行降噪处理.结果表明半软阈值函数方法是较优阈值函数方法,可以有效地降低原图像的斑点噪声并保留图像细节.     

细胞膜离子单通道信号的统计重构算法研究

离子单通道信号是皮安级的随机离子流，用膜片钳技术可以记录下来，但由于信号的微弱性，记录中通道信号往往被背景噪声所淹没，传统上用阈值检测器消除噪声并重构信号，但信噪比低时，阈值检测器失效，本文提出了基于最大后验概率的状态估计和最大似然函数的序列估计两种信号的统计重构技术，在白色背景噪声和有色背景噪声情况下，分别进行仿真实验，证实其重构精度较高，鲁棒性较强，性能远比阈值检测器优越。     

基于小波变换的血管内超声图像血流斑点噪声抑制研究

血管内超声成像已经越来越广泛地应用到冠心病的诊断和介入治疗中.为了提高图像分辨率必须增加超声频率,使得血流斑点噪声也显著增强,降低了管腔和管壁的对比度,增加了识别管壁与周围组织的难度,给病情的诊断和治疗带来了不便.本研究结合小波变换域软阈值滤波法和半软阈值滤波法,并设计了一种局部阈值来实现血流斑点噪声抑制.实验结果表明该方法在抑制斑点噪声的同时保留了图像的边缘,增强了管腔和管壁的哪对比度,有助于识别管壁和周围组织.     

A Motion Compounding Technique for Speckle Reduction in Ultrasound Images

The quality of ultrasound images is usually influenced by speckle noise and the temporal decorrelation of the speckle patterns. To reduce the speckle noise, compounding techniques have been widely applied. Partially correlated images scanned on the same subject cross-section are combined to generate a compound image with improved image quality. However, the compounding technique might introduce image blurring if the transducer or the target moves too fast. This blurring effect becomes especially critical when assessing tissue deformation in clinical motion examinations. In this paper, an ultrasound motion compounding system is proposed to improve the quality of ultrasound motion sequences. The proposed motion compounding technique uses a hierarchical adaptive feature weighted motion estimation method to realign the frames before compounding. Each frame is first registered and warped to the reference frame before being compounded to reduce the speckle noise. Experimental results showed that the motion could be assessed accurately and better visualization could be achieved for the compound images, with improved signal-to-noise and contrast-to-noise ratios.     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

基于小波变换的医学图像压缩

简要介绍基于小波变换的图像压缩法，并提出了一种在matlab平台上实现基于小波的医学图像压缩的新方法。     

基于血管内超声图像时空相关性的血流斑点去噪方法

血管内超声成像的优越成像方式使得它越来越广泛地被应用到冠心病的诊断和介入治疗中。但随着超声频率的提高，血流分子回波信号（即血流斑点噪声）也显著增强，这会降低管腔和管壁的对比度，加大医生辨别、测量管腔和斑块几何参数及物理参数的难度。我们提出了一种新颖的去噪方法，它利用血管内超声图像在时间、空间上的相关信息，即组织在时间、空间上的变化比血流小这一事实。实验结果表明该方法能显著地去除斑点噪声，增强管腔和管壁的对比度，更好地帮助医生区别血管壁和周围组织。     

基于小波变换的多分辨率医学图像融合

多模医学图像融合在医学图像分析和诊断上具有极为重要的应用价值。本文采用了基于小波变换的多分辨率分析对人脑MRI PET图像进行了融合。结果表明此方法能够充分有效地将解剖信息与功能信息集成在一起 ,并保留原始图像的边缘和纹理特征 ,具有广阔的应用前景     

Bayesian Framework-Based Adaptive Hybrid Filtering for Speckle Noise Reduction in Ultrasound Images Via Lion Plus FireFly Algorithm

Journal of Digital Imaging - The existence of speckle noise in ultrasound (US) image processing distorts the image quality and also hinders the development of systematic approaches for US images....     

基于提升格式整数小波变换的超声图像压缩算法

本文提出了一种基于提升格式整数小波变换和改进的SPIHT编码(多级树集合分裂算法)的医学超声图像压缩算法.在压缩对象选择和小波变换方面充分考虑了超声扫描线图像的分辨率特性.与基于Mallat小波变换的标准SPIHT编码算法相比,本文算法在压缩比和重建图像峰值信噪比至少不降低的情况上,运算时间不到前者的40％,内存消耗也大大减小,因而更适合于实时图像压缩.     

Novel Genetic-Neuro-Fuzzy Filter for Speckle Reduction from Sonography Images

Edge-preserving speckle noise reduction is essential to computer-aided ultrasound image processing and understanding. A new class of genetic-neuro-fuzzy filter is proposed to optimize the trade-off between speckle noise removal and edge preservation. The proposed approach combines the advantages of the fuzzy, neural, and genetic paradigms. Neuro-fuzzy approaches are very promising for nonlinear filtering of noisy images. Fuzzy reasoning embedded into the network structure aims at reducing errors while fine details are being processed. The learning method based on the real-time genetic algorithms (GAs) performs an effective training of the network from a collection of training data and yields satisfactory results after a few generations.The performance of the proposed filter has been compared with that of the commonly used median and Wiener filters in reducing speckle noises on ultrasound images. We evaluate this filter by passing the filters output to the edge detection algorithm and observing its ability to detect edge pixels.Experimental results show that the proposed genetic-neuro-fuzzy technique is very effective in speckle noise reduction as well as detail preserving even in the presence of highly noise corrupted data, and it works significantly better than other well-known conventional methods in the literature.     

基于二进小波变换和快速主动轮廓模型的医学图像边缘提取

医学图像的病灶边缘一般呈弱边缘特性,噪声干扰使得提取病灶边缘更加困难,传统的分割方法不能取得令人满意的效果.我们提出了一种基于二进小波变换和主动轮廓模型的病灶边缘提取方法.该方法采用二进小波检测出真正的边缘点,将其作为初始轮廓,再利用改进的快速主动轮廓模型算法连接边缘点,得到病灶的边缘.将该算法用于脑部MRI的肿瘤边缘提取的实验结果表明这种方法可以有效减少噪声的影响,能够准确地提取出复杂的病灶边缘.