- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于小波的医学超声图像去斑点噪声方法 医学超声图像的灰阶图像往往存在一些直观的噪声,表现为图像中出现斑点、细粒、网纹、雪花状等结构异常现象,尤其以斑点噪声影响为主。 对斑点噪声统计特性的研究表明,常见的斑点噪声服从瑞利分布,其均值与标准差成正比,这说明斑点噪声是乘性的。 在超声医学图像中,加性噪声(如换能器噪声等)的作用相对于乘性噪声来说很小,因此在实际应用中,有时候可以忽略加性噪声的影响。 所以超声图像可用近似模型: 将乘性噪声转变为近似的加性高斯白噪声即: 上面的表达式可以写为下面的形式: 常规的噪声滤波技术经常会导致丢掉的噪声中还含有部分信号,而输出的信号也会含有部分噪声,导致图像特征模糊。 本文把中值滤波以后得到的两部分利用小波软阈值再处理一次,去除信号部分的少量噪声,并且保留噪声当中的少量信号。 本文的去噪过程 用中值滤波把图像分成两部分 分别多尺度小波处理 软阈值处理 对带斑点噪声的图像取对数 重建去噪后的图像f1,f2。求和f=f1+f2,获得的重建图像f取指数得去噪后图像 小波处理 对于任意的函数f(t)的连续小波变换为: 其中本文小波变换用’bior3.7’为小波基函数进行5尺度分解 ? 阈值估计 本文采用软阈值处理。根据经验,经过对数转换后的图像的小波子带系数可以假设为服从广义高斯分布(GGD)模型。 则求阈值公式如下: 其中: 是噪声方差,信号的标准差 , 设 是局部领域的标准差, 为当前小波子带系数 原图像 加斑点噪声 =0.04 把本文方法的结果与中值滤波器,维纳滤波器和MSSNT一A方法相比较,以证明本文方法的有效性。 然后分别计算无噪声的原图像和除噪以后的图像的最小均方误差mse,信号与mse的比值s/mse,边缘保留评价参数 . 这里f是参考图像; 是除噪后的图像; J是 图像的尺寸。 这里 和 分别是 f 和 经过3*3的Laplacina算子进行边缘抽取以后得到的结果。 从定义可知 是估计信号的边缘和真实信号边缘相关程度的度量,估计信号边缘保留的越好, 值越高。 在不同的噪声水平下计算这些参数,列出表格,从表中可以看出。 结论 本文的方法在噪声水平较低的情况下,明显优于中值滤波和同态维纳滤波,略优于MSSNT一A(多尺度非线性阈值算法)。 在噪声水平较高的情况下,本文的方法优势明显。
您可能关注的文档
- 基于多元线性回归模型的农村居民收入增长分析(论文资料).doc
- 基于多特征提取的识别算法历年数学建模优秀论文大全.doc
- 基于多羧酸配体的金属有机框架材料的合成与性能研究开题报告.doc
- 14《通往成功的路不止一条》教学课件..ppt
- 140761田娜-初级综合2-第2课《儿子要回家》..pptx
- 基于多种模型的国产S30432钢管持久强度数据分析郑开云材料所.doc
- 基于安全性的汽车电子技术.doc
- 基于安全系数的地铁车站衬砌优化设计.doc
- 基于学科群的学科发展战略研究(201011修改稿).doc
- 基于实体壳耦合模型复合材料层压板低速冲击阻抗优化815.doc
- 运动风格趋势:轻量化户外 2025 S S.pdf
- 数字乡村建设村村通广播应用方案.pdf
- 高盛-日本市场策略 Japan Strategy Flash 1Q325 earnings summary Double-digit (%) profit growth as results largely surprised upwards 0820 2024.pdf
- CEEM《全球智库半月谈》(总第286期).pdf
- 智慧物流概论微课课件第4章智慧物流信息平台.pdf
- 数字乡村公共安全综合平台项目解决方案.pdf
- 智慧物流概论微课课件第7章智慧物流包装.pdf
- 【案例】”啤酒之王“的智慧物流探索之路.pdf
- 数字连江城市数字基座(一期)和数字乡村示范点建设项目.pdf
- 智慧物流概论微课课件第1章智慧物流概述.pdf
文档评论(0)