小波变换在超声医学图像降噪处理中的应用.pdfVIP

小波变换在超声医学图像降噪处理中的应用水 王修信①胡维平① 梁冬冬①覃以威①韩逸萍②李祖媛⑦ ①(广西师范大学物理与电子科学系541004) ②(广西师范大学医院541004) 摘要斑点噪声是超声医学图像中固有的噪声．利用小波多尺度分析和软闽值技术相结合 的方法对超声医学图像进行降噪处理，不仅有效地去除了图像的斑点噪声，而且保 留了图像必要的细节． 关键词超声图像小波变换降噪 超声波由于它对人体无害，可以及时显示和观察人体内部组织的构造和动态情况，成为 医学临床诊断重要的手段之一。然而超声波在传播时易受人体组织性质的影响。在超声成像 时，当人体组织的结构尺寸与入射超声波波长相近或小于波长时，超声束发生散射，而相位 不同的散射回波相互干涉产生斑点噪声。斑点噪声降低了超声医学图像的质量，使对比度较 低的软组织中的正常组织和肿瘤病变不易区分，影响医生做出正确的临床诊断，因此必须对 超声医学图像进行降噪处理。 超声医学图像降噪常用滤波方法，即通过滤波器滤除噪声频率成分，提高图像的信噪比， 突出图像的期望特征。理论上信号主要分布于低频部分，而噪声主要分布于高频部分，滤除 信号的高频部分就可以滤除噪声。但是对图像信号而言，图像的细节信号也位于高频部分， 而医学图像的细节经常是分析问题和临床诊断的关键，因此医学图像降噪必须做到既降低图 像噪声又保留图像细节。小波变换技术具有可进行时域和频域局部分析、灵活地对信号局部 奇异特征进行提取和时变滤波等特点，能有效地处理信号，将真实信号与噪声区分开来，广 泛应用于信号与图像处理中。 1小波变换及Mallat快速算法 小波变换是一种信号的时间．尺度(时间．频率)分析方法，它具有多分辨率分析和可在时 频两域表征信号局部特征的特点，是一种时间窗和频率窗都可以改变的时频局部化分析方法。 即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨 率和较低的频率分辨率。由于小波变换的多分辨率分析可以聚焦到分析对象的任意细节，因 此特别适合于图像信号这一类非平稳信源的处理Il也J。 小波变换是用一族小波函数系去逼近一信号，而小波函数系是通过一个基本小波函数在不 同尺度下经伸缩和平移构成，用其变换系数描述原来的信号。 嘣加高妒(x口-b) 口6酗，觯。 其中日为伸缩因子，b为平移因子f3】。 632 对于二维情况，设吩qez)是空间￡2(霞)的一个可分离多分辨率分析，对每一个7 jez)来说，尺度函数系{口J，m，一l(脚，，1)∈Z2构成俨，的规范正交基，小波函数系 {呒胁．。j／，m，，l∈z，e=l，2，3)构成￡2(R2)的规范正交基。 二维图像厂(x，y)e俨j可用其在俨j空间的投影4 j厂(x，y)表示 A／(x，少)=Aj+。／+巧+I／+D夤，／+D克。f 其中 爿川厂=∑q+l’哆+1．。。。 册．，培Z Dj2l厂=∑啄Im。罗川^。@=1,2，3) m．MZ 如果用凰、Gr和鼠、Gc分别表示一维镜像共轭滤波器日(低通)和G(高通)分别作用 在{毋j．。，。I(127，甩)∈孑)上的行和列，则有如下表示式 C|。L=HIHIC| D；+I=H，GoC， 0，2+l=G。Ⅳ。C， D，+13=GrGcC， 即二维MaUat分解算法，其重构算法为： ． C，=日一：c川+日：G：qI+。+Gp：彰2+。+G：G：q3+。