基于小波的医学超声图像去斑点噪声方法学习指导书.pptVIP

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