各向异性扩散方程在医学超声图像去噪中应用.pdfVIP

各向异-陛扩散方程在医学超声图像去噪中的应用 、 郭敏1’2马远材朱霆3 1(西北工业大学声学工程研究所西安710072) 2(陕西师范大学计算机科学学院西安710062) 3(第四军医大学西京医院超声科西安710032) Diffusion inMedicalUltrasound ApplicationofAnisotropic Image Equation ：Denoising Minlo ZHU GUO Tin93 MAYuanlian91 ’ 1(InstituteofAcoustie 710072) Engineering，NorthwesternPolytechnicalUaiversity,Xi。all Normal Science，ShaanxiUniversity,Xil∞710062) 。(CollegeofComputer MedicalUniversity,Xian710032) ’(DepartmentofUltrasound，XijingHospital，FourthMilitary 1引言 医学超声图像是目前医学上使用最多的～种图像。医学超声图像在成像时不可避免地受到噪声污染， 使得图像清晰度变差，从而影响图像分析的精度与结果。经典的去噪方法在抑制噪声的同时会丢失图像中 的细节，而医学图像的细节信号经常在临床诊断中起关键作用，因此，如何既能去除医学超声图像中的噪 声，又能尽量保护图像细节，是医学超声图像去噪研究的主要热点问题之一。 近年来，偏微分方程(PDE)方法开始大量应用于图像处理，其高质量的处理结果已引起人们的广泛关 的同时对图像的边缘具有很好的保护作用，得到的图像基本不会失真，各向异性扩散方程在去噪方面的研 究引起了人们的极大兴趣，引发了关于图像处理的偏微分方程方法的研究热潮。 2基于各向异性扩散模型的相干斑抑制模型 Perona和Mailik提出了保持边缘的各向异性扩散方程(hnisotropicDiffusion)，其模型为： r月， (1) J导=d／vIt(Ivll)·VI】 I 』(f=o)卜Io i 其中，d v、V分别为散度算子和梯度算子，Io代表初始图像。I是一簇不同尺度的图像，它通过原 图像与高斯核卷积获得，即I(x，y，t)=I 增光滑函数，与图像梯度成反比。Perona和Mailik提出的c(x)有以下两种形式： c(曲=exp[--(x／k)2】 (2) 方程(1)、(2)中包含两个待定参数：系数k和扩散时间t，其中，k是梯度门限，关系到去噪和边缘保 持这对矛盾的平衡程度，扩散时间t关系到图像最终的光滑效果。 P—M模型的基本思想是：在c(}VII)的控制下，对初始图像进行扩散，模型根据图像梯度模实现有选 择的扩散平滑。因为边缘部分具有较大的梯度模值，这时c(IVIi)取较小值，模型在边缘处实行较弱的平 滑，以保护边缘信息；在平坦区域梯度模值较小，c(iVll)较大，扩散程度变大，有较大的光滑作用。模 型自动的在边缘处平滑得少，而在平坦处平滑得多，一定程度上可识别边界位置，因此能较