基于混合小波变换的医学超声图像自适应去斑.pdf

《基于混合小波变换的医学超声图像自适应去斑.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第10期，计算机应用与软件VolI31No．102014年l0月ComputerApplicationsandSoftwareOet．2014基于混合小波变换的医学超声图像自适应去斑代芸付晓薇陈黎田菁(武汉科技大学计算机科学与技术学院湖北武汉430065)(智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065)摘要针对小波去斑方法在医学超声图像抑斑上的不足，提出一种混合离散小波变换DWT(DiscreteWaveletTransform)和双树复小波变换DTCWT(Dual—treeComplexWavele

2、tTransform)进行阈值处理和变量收缩的医学超声图像自适应去斑算法。首先，在小波域，根据小波系数能量的特点，计算综合阈值实现图像预处理；然后，结合小波系数的尺度相关性，提出一种改进的三变量收缩函数，实现图像去斑。实验结果表明该方法较已有的经典方法更为有效，一般情况信噪比可提高0．6～2．6dB，图像边缘信息保持能力更突出。’关键词离散小波变换双树复小波变换图像去斑中图分类号TP3文献标识码ADOI：10．3969／j．issn．1000-386x．2014．10．048ADAPTⅣEDESPECKLINGFORMEDIC

3、ALULTRASOUNDDAGEBASEDoNHYB岫WAVELETTRANSFoRMATIoNDaiYunFuXiaoweiChenLiTianJing(CollegeofComputerScienceandTechnology，WuhanUniversityofScienceandTechnology，Wuhan430065，Hubei，China)(HubeiProvinceKeyLaboratoryofIntelligentInformationProcessingandReal-timeIndustrialm，Wuh

4、an430065，Hubei，China)AbstractAimingattheshortageoftraditionalwavelet·baseddespecklingmethodsformedicalultrasoundimages，wepresentanoveladaptivedespecklingalgorithmformedicaluhrasoundimage，whichappliesthehybriddiscretewavelettransform(DWT)anddual-treecomplexwavelettra

5、nsform(DTCWT)inthresholdprocessingandvariableshrinking．First，thesynthesisthresholdinwaveletdomainiscalculatedaccordingtothefeatureofwaveletcoefficientsenergytorealiseimagepreprocessing；Then，animprovedtrivariateshrinkagefunctionispresentedincombinationwiththescalecor

6、relationofwaveletcoefficientstoimplementimagedespeckling．ExperimentalresultsdemonstratethatourmethodiSmoreefectivethantheexistingclassicmethods，whichcanraisethesignal—to—noiseratio(SNR)by0．6～2．6dBwithbetterperformanceofedgepreservationingeneralcircumstance．KeywordsD

7、WTDTCWTImagedespeckling能力的小波去噪，它是基于多分辨率分析的斑点噪声抑制算法。0引言Pizurica等人提出了利用贝叶斯理论的医学图像降斑GenLik方法J，该方法通过选取白适应的优化参数，使图像去斑效果得医学超声图像以其无损伤性、实时性、可重复使用、价格便到增强，但是边缘细节保持能力仍然有限。近年来，基于贝叶斯宜等优点，成为很多领域公认的首选影像学方法，医学超声成像统计模型理论的小波图像去斑逐渐成为研究热点J。技术已成为医学临床诊断的重要手段之一。但是，由于超声信图像去斑是在平滑图像噪声时尽可能地保留

8、原始图像的主号在体内的散射，图像不可避免地存在斑点噪声，造成图像清晰要特征。现有小波去斑方法，一般是通过对数变换，将乘性斑点度降低，很大程度上影响图像质量，使得对图像细节的识别与分噪声变换为加性噪声，然后利用现有小波去噪方法实现去噪，最析更加困难，不利于临床诊断，因此，有必要