基于多尺度几何研究的医学超声图像去噪算法分析-analysis of medical ultrasound image denoising algorithm based on multiscale geometry research.docx

摘要超声成像以其安全性高、无损伤、使用方便、成本低等一系列优点，在临床诊断中得到了广泛的应用。但由于其自身成像机制的限制，超声图像会被乘性斑点噪声污染，图像质量会大大降低，这不仅影响了医生的诊断，而且为后续图像的处理与分析增加了困难。因此，对超声图像中斑点噪声抑制算法的研究一直是国内外医学超声成像技术中的重要课题之一。多尺度几何分析是目前图像处理领域的一个热点，它克服了小波不能最优的表示图像中线和面奇异性的缺陷，在图像去噪、融合等领域得到了成功的应用。其中Contourlet变换和非下采样Contourlet变换(NSCT)以其能灵活的对图像进行多尺度、多方向分解的特点而被广泛的应用于图像去噪。本文基于这两种多尺度几何分析方法来研究超声图像的去噪算法，最后主要针对贝叶斯阈值去噪法的阈值选取进行改进：利用对数变换后的超声图像在Contourlet和NSCT域各方向子带能量分布的不同，对传统的贝叶斯阈值进行改进。将改进的贝叶斯阈值用到Contourlet变换域进行降噪处理，获得了比小波贝叶斯阈值法和基于Contourlet的尺度自适应阈值法更好的去噪效果，再将其用到NSCT变换域，获得了明显好于Contourlet变换的去噪效果。此外，考虑到对数变换后的超声图像在变换域各分解尺度上噪声方差的不同，结合子带图像能量的分布特性，并引入可调因子对贝叶斯阈值进行二次改进。将二次改进的阈值用于NSCT域进行阈值去噪，获得了比第一次改进阈值更好的去噪效果。关键字：超声图像去噪，Contourlet变换，非下采样Contourlet变换，贝叶斯阈值ABSTRACTUltrasoundimaginghasbeenwidelyusedinclinicaldiagnosiswithadvantagesofhighsecurity,nodamage,convenient,lowcostandsoon.However,thequalityoftheultrasoundimagewillbereducedgreatly,becausemultiplicativespecklenoiseisproducedduringimaging.Thepoorultrasoundimagewillnotonlyaffectthedoctorsdiagnosis,butalsoincreasethedifficultiesoftheimageprocessingandanalyingsubsequently.Therefore,theresearchofspecklenoisesuppressionhasbeenoneoftheimportanttopicsofmedicalultrasoundimagingtechnologies.Multiscalegeometricanalysis,whichisahottopicinimageprocessingareacurrently,wassuccessfullyusedinareaofimagedenoising,fusionandsoon,becauseitovercamethedefectsthatwaveletcouldnotoptimallypresentsingularityoflineandsurfaceinimage.Specially,ContourletandNSCTarewidelyusedinimgedenoisingfortheadvantagesofdecomposingimagesinmultiscalesandmultidrections.TheBayesianthresholdwasimprovedinthispaper,whichbasedonContourletandNSCT:TraditionalBayesianthresholdwasamendedwithdifferentsubbandenergydistributionsofLogtransformedultrasoundimagesinContourletandNSCTdomain.IntheContourletdomain,theamendedthresholdgotbetterdenoisingeffectthanBayesianthresholddenoisingbasedonwaveletandscaleadaptivethresholddenoisingbasedonContourlet.Furthermore,italsogetsobviousbetterdenoisingeffectintheNSCTdomain.Inaddition,Bayesianthresholdwasmodifiedagainwithene