基于变分法的医学超声图像去噪研究.pdfVIP

基于变分法的医学超声图像去噪研究 【摘 要】目的：医学超声图像中斑点噪声的存在， 降低了图像质量，本文着重讨论医学超声图像的去噪问题。 方法：针对超声图像的斑点噪声，本文基于全变分正则化模 型，首先对超声图像进行对数变换，将乘性斑点噪声转化为 加性噪声，再对对数变换后的图像进行全变分正则化处理， 最后通过指数变换重构超声图像。结果：子宫超声图像去噪 实验中，将全变分法与常用的中值滤波和小波变换去噪方法 进行对比，结果显示全变分法的去噪性能指标明显优于其余 方法。结论：采用基于全变分正则化的方法，不仅很大程度 上抑制了医学超声图像的斑点噪声，而且保留了清晰的边缘 细节信息，具有重要的学术价值和现实意义。 【关键词】超声图像处理；斑点噪声去噪；全变分正则 化模型 0 引言 与 X 光透视、 CT 、 MRI 等医学成像方法相比，医学超 声成像因非侵入无创伤性、成像速度快、成本低、操作简便 等优点，成为目前普遍应用的医学成像技术。超声诊断作为 一种理想的无损检查方法，有着广阔的发展前景。据报道， 近十年，世界医学超声仪器的数量以 15%左右的速度增长 [1] 。然而，由于成像机制的限制，超声图像存在固有的斑点 噪声，极大地降低了超声图像质量，增加了图像特征分析的 难度，影响了疾病诊断的准确度。因此，超声图像中对斑点 噪声的抑制具有重要的学术价值和现实意义。 目前，超声图像去噪方法常见的有中值滤波 [2] 、直方图 [3] 和小波变换 [4] 等。基于小波域的去噪方法， 以其良好的 时频特性，广泛运用于超声图像去噪。该方法主要基于图像 中有用信息和噪声之间的频率特性存在差异的假设，进行频 域分析去噪。但实际上假设条件并不总是成立，图像中的有 用信息部分和噪声往往在频带上存在重迭。基于小波域的去 噪方法容易丢失部分高频分量――图像中的细节和边缘等 有用信息，限制了图像质量的提高。最近的研究表明，全变 分正则化法对稀疏或梯度稀疏图像的重构效果显著，很好地 保留了图像的边缘信息。 Rudin 等人首次将全变分去噪法引 入到图像处理中 [5] 。由于全变分正则化在边缘检测中的巨大 应用价值，近几年研究人员提出很多基于全变分的去噪算法 [6-7] 。针对超声图像的去噪特殊性，本文提出基于全变分正 则化的超声图像去噪方法。首先对超声图像进行对数变换， 将乘性噪声转化为加性噪声，再对对数变换后的图像进行全 变分正则化处理，最后通过指数变换重构超声图像。本方法 去除斑点噪声的同时，能够很好地保留图像的边缘信息。 1 变分法原理 变分法本质上为泛函的极值问题。设 F （x ，y （x ），y ′ （x ））是独立变量 x ，y （x ），y ′（x ）在区间 [x0 ，x1] 上的 已知函数，且二阶连续可微。变分法的基本问题为：在边界 条件为 y （x0 ）=y0 ，y （x1 ）=y1 时，求使得泛函 这样求泛函极值的问题转化为求解在满足边界条件 y （x0 ）=y0 ，y （x1 ）=y1 下的定解问题。 2 基于变分法的超声图像去噪 超声图像一般由原始图像和乘性噪声构成，但乘性噪声 不便于处理。对超声图像进行对数变换，可将其中混有的乘 性噪声转变为加性的高斯噪声 n[8] ，即 u0=u+n （3 ） 其中 u0 和 u 分别为混噪图像和原始图像的对数变换。 基于全变分的图像去噪，目的是要还原图像 u，使得它 的全变分值小于 u0 的全变分，但又尽量接近 u0。该方法基 于含噪声图像的变分值显著高于无噪声图像的