基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法
【專利摘要】基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法，包括以下步驟：步驟1)醫(yī)學(xué)超聲圖像模型的建立；步驟2)對(duì)第一步得到的對(duì)數(shù)變換后的圖像進(jìn)行小波分解，得到四個(gè)頻域(LL1、LH1、HL1和HH1)；對(duì)低頻域LL1繼續(xù)進(jìn)行小波分解，再得到四個(gè)頻域(LL2、LH2、HL2和HH2)；然后重復(fù)這個(gè)步驟，直到分解最大層數(shù)J；步驟3)對(duì)最后一層的低頻部分(LLJ)進(jìn)行快速雙邊濾波處理；步驟4)對(duì)每一層的高頻部分(LHj、HLj和HHj，j＝1,2,...,J)的小波系數(shù)進(jìn)行閾值法收縮處理；步驟5)作小波逆變換處理，得到去噪后的醫(yī)學(xué)超聲圖像；如果要得到去噪后的超聲包絡(luò)信號(hào)，對(duì)第5步得到的超聲圖像作指數(shù)變換即可。
【專利說明】基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明應(yīng)用于醫(yī)學(xué)圖像去噪領(lǐng)域，設(shè)計(jì)一種適用于醫(yī)學(xué)超聲圖像的基于小波變換 和快速雙邊濾波的去噪方法。

【背景技術(shù)】
[0002] 在醫(yī)學(xué)成像領(lǐng)域，超聲成像、CT、MRI等成像技術(shù)已應(yīng)用于醫(yī)學(xué)臨床診斷中。由于 超聲成像技術(shù)具有無創(chuàng)、無放射性損害、快捷方便等特性，因此超聲成像技術(shù)相對(duì)于其他成 像技術(shù)更加安全。尤其在觀察孕婦體內(nèi)胎兒成長(zhǎng)狀況與診斷腹部器官病變等臨床應(yīng)用中， 超聲成像技術(shù)的使用更為重要。
[0003] 根據(jù)美國(guó)癌癥協(xié)會(huì)在2013年給出了一份女性患乳腺癌的統(tǒng)計(jì)數(shù)據(jù)，在過去的一 年里，美國(guó)婦女中共有232340例新的浸潤(rùn)性乳腺癌病例和39620人死于乳腺癌。對(duì)于人 體的乳腺以及腹部的其他器官進(jìn)行檢測(cè)的主要技術(shù)為超聲成像技術(shù)，即通常所說的B超圖 像。因此提高醫(yī)學(xué)超聲圖像質(zhì)量，為醫(yī)生提供更加清晰無噪聲的圖像具有非常重要的意義。
[0004] 由于超聲成像機(jī)理的限制，斑點(diǎn)噪聲的存在嚴(yán)重影響了超聲圖像的質(zhì)量，導(dǎo)致了 超聲圖像質(zhì)量較差。斑點(diǎn)噪聲的產(chǎn)生是由于超聲成像中的基本分辨單元內(nèi)存在大量的隨機(jī) 散射現(xiàn)象，在圖像上表現(xiàn)為空間域內(nèi)相關(guān)的形狀各異的小斑點(diǎn)，它將掩蓋那些灰度差別很 小的圖像特征。對(duì)于臨床醫(yī)生而言，斑點(diǎn)噪聲對(duì)他們的準(zhǔn)確診斷造成了很大的干擾，特別是 對(duì)于經(jīng)驗(yàn)不是很豐富的醫(yī)生造成的影響更大。因此，從臨床應(yīng)用的角度出發(fā)，需要研究去除 斑點(diǎn)噪聲的算法，為醫(yī)生做出更準(zhǔn)確的診斷提供技術(shù)支持，降低人工診斷的風(fēng)險(xiǎn)。
[0005] 由于醫(yī)院資源的局限性，特別是醫(yī)生每天進(jìn)行人工診斷病人的數(shù)量無法滿足社會(huì) 整個(gè)階層的需求，即面臨著病人多醫(yī)生少情況。因此，各種自動(dòng)診斷儀器的需求越來越大， 自動(dòng)診斷儀器的出現(xiàn)，一方面可以節(jié)約醫(yī)生資源，另一方面可以方便更多的病人進(jìn)行診斷。 隨著當(dāng)今社會(huì)經(jīng)濟(jì)的飛躍發(fā)展，人們自身健康情況卻不容樂觀，所以人們對(duì)家用型醫(yī)療自 動(dòng)診斷儀器的需求也非常大，例如家用超聲圖像自動(dòng)診斷儀等。但是超聲圖像自動(dòng)診斷儀 同樣面臨著圖像質(zhì)量不高的問題，并且自動(dòng)診斷儀需要對(duì)超聲圖像做后期的智能分析，如 特征提取、邊緣檢測(cè)和圖像分類識(shí)別等。因此，從自動(dòng)化診斷技術(shù)的角度出發(fā)，需要研究去 除斑點(diǎn)噪聲的方法，為圖像的后期智能處理提供技術(shù)保障，促進(jìn)自動(dòng)診斷技術(shù)的發(fā)展。
[0006] 綜上所述，研究醫(yī)學(xué)超聲圖像去噪方法具有非常重要的意義：
[0007] (1)提高醫(yī)學(xué)超聲圖像的質(zhì)量，改善視覺效果；
[0008] (2)方便醫(yī)生更加準(zhǔn)確地針對(duì)病灶區(qū)域做出判斷，降低輔助診斷的風(fēng)險(xiǎn)；
[0009] (3)促進(jìn)超聲圖像自動(dòng)化診斷技術(shù)的發(fā)展，具有不可估量的價(jià)值。
[0010] 超聲成像原理介紹。超聲波是頻率高于20K赫茲的聲波，即超越了人類的聽覺上 限，它具有很好的方向性和很強(qiáng)的穿透力。醫(yī)學(xué)超聲成像技術(shù)就是通過超聲波信號(hào)作為載 體，利用電子科學(xué)、信號(hào)處理等技術(shù)對(duì)人體內(nèi)部反射回來的聲波信號(hào)進(jìn)行提取，然后作成像 處理[。超聲診斷技術(shù)的實(shí)現(xiàn)，主要是利用超聲波信號(hào)的反射原理，因?yàn)槌暡ㄐ盘?hào)具有很 好的方向性，與光相似的反射、散射、衰減及多普勒效應(yīng)等物理特性。通過探頭將超聲波信 號(hào)發(fā)射到體內(nèi)，超聲波信號(hào)會(huì)在各種組織內(nèi)傳播，并且不同組織的聲抗是有差異的，超聲波 信號(hào)在各種組織的表面發(fā)生反射和散射，然后再通過探頭接收回聲信號(hào)，經(jīng)過一些信號(hào)增 強(qiáng)處理，最后得到具體的超聲圖像。由于各種組織的表面形態(tài)和對(duì)超聲的阻抗不同，再結(jié)合 病理知識(shí)和臨床醫(yī)學(xué)經(jīng)驗(yàn)，可對(duì)病人患病的空間位置、性質(zhì)或病變程度等做出更加準(zhǔn)確的 診斷。目前B超圖像診斷技術(shù)是國(guó)內(nèi)臨床上使用量最多的技術(shù)。
[0011] B超成像的基本原理是超聲脈沖回聲檢測(cè)原理。為了顯示回波信號(hào)的強(qiáng)弱，B超成 像采用亮度調(diào)制方式來顯示，即檢測(cè)到的回波信號(hào)越強(qiáng)，B超圖像的亮度越大；檢測(cè)到的回 波信號(hào)越弱，B超圖像的亮度越暗。
[0012] B超儀器主要由探頭、主控電路、發(fā)射電路、接收電路、信號(hào)處理電路和顯示器等6 部分組成。B超成像基本原理簡(jiǎn)易示意圖，如圖1所示。
[0013] B超成像的基本過程為：主控電路控制發(fā)射電路，發(fā)射電路產(chǎn)生激勵(lì)脈沖，當(dāng)探頭 獲得這種激勵(lì)脈沖后，由探頭內(nèi)部的電路系統(tǒng)產(chǎn)生超聲波，并將超聲波信號(hào)發(fā)射到人體內(nèi)， 然后經(jīng)過一段延遲時(shí)間，探頭再接收由人體反射回來的聲波信號(hào)（回波信號(hào)），回波信號(hào)再 經(jīng)過接收電路、信號(hào)處理電路等一系列的濾波、模數(shù)轉(zhuǎn)換等信號(hào)處理，最終以二維圖像的形 式顯示在終端顯示器上。
[0014] 由于抑制斑點(diǎn)噪聲具有非常重要的意義，眾多科研工作者在此問題上投入了大量 的精力。近幾十年來出現(xiàn)的醫(yī)學(xué)超聲圖像去噪方法，可以簡(jiǎn)單分為5種類型：自適應(yīng)去噪方 法、各向異性擴(kuò)散去噪方法、非局部均值去噪方法、小波變換去噪方法和混合型去噪方法。 通過實(shí)驗(yàn)雖然自適應(yīng)濾波方法的復(fù)雜度低，但是往往會(huì)模糊圖像的細(xì)節(jié)部分，對(duì)于斑點(diǎn)噪 聲的抑制效果不是很理想。各向異性擴(kuò)散去噪方法，具有很強(qiáng)的去噪能力，但是結(jié)果可能會(huì) 出現(xiàn)過度平滑的現(xiàn)象。非局部去噪算法對(duì)于斑點(diǎn)噪聲的抑制效果比較理想，但是這類去噪 方法的復(fù)雜度較高，不易滿足醫(yī)學(xué)超聲成像系統(tǒng)的實(shí)時(shí)性要求，往往用于醫(yī)學(xué)超聲圖像的 后期去噪處理。


【發(fā)明內(nèi)容】

[0015] 本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點(diǎn)，結(jié)合斑點(diǎn)噪聲的模型的特點(diǎn)和醫(yī)學(xué)超聲圖像 的處理需求，提出了一種基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法。
[0016] 小波變換具有時(shí)頻分析和多尺度分析等優(yōu)越性，其已在圖像處理領(lǐng)域得到了廣泛 的應(yīng)用。在處理加性噪聲問題時(shí)，小波的去噪效果較好，能夠滿足一般產(chǎn)品需求。然而，僅 僅利用小波變換的去噪方法對(duì)醫(yī)學(xué)超聲圖像中斑點(diǎn)噪聲的抑制效果不好。對(duì)于快速雙邊 濾波器，它在處理圖像噪聲時(shí)，一方面具有很強(qiáng)的去噪能力，另一方面能夠保持圖像邊緣細(xì) 節(jié)。同時(shí)由于傳統(tǒng)的雙邊濾波器在去噪的過程中其效率較低，運(yùn)行時(shí)間將會(huì)很長(zhǎng)，難以用于 實(shí)時(shí)系統(tǒng)。隨著圖像的分辨率越來越大，這在很大的程度上限制了雙邊濾波的應(yīng)用空間，如 何實(shí)現(xiàn)快速雙邊濾波，減少計(jì)算時(shí)間具有重要的意義。因此本發(fā)明利用快速雙邊濾波器替 換掉傳統(tǒng)的雙邊濾波器，能在不弱化去噪效果的基礎(chǔ)上大大縮短運(yùn)行時(shí)間。因此，本發(fā)明將 結(jié)合小波去噪和快速雙邊濾波的優(yōu)點(diǎn)。具體思路如下，在傳統(tǒng)的小波去噪方法的基礎(chǔ)之上， 根據(jù)小波域內(nèi)超聲圖像及斑點(diǎn)噪聲的統(tǒng)計(jì)特性，改進(jìn)了小波閾值收縮方法，能夠更有效地 去除高頻部分的斑點(diǎn)噪聲。由于醫(yī)學(xué)超聲圖像在小波域內(nèi)的低頻部分依然存在斑點(diǎn)噪聲， 因此使用去噪效果較好并且運(yùn)行時(shí)間較短的快速雙邊濾波器，在抑制低頻域內(nèi)噪聲的同時(shí) 能夠保留低頻域內(nèi)的圖像邊緣信息。
[0017] 本發(fā)明的基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法，包括以下步 驟：
[0018] 步驟1)醫(yī)學(xué)超聲圖像模型的建立；
[0019] 將超聲成像系統(tǒng)采集的包絡(luò)信號(hào)分為兩部分，一是有意義的體內(nèi)組織的反射信 號(hào)，另一部分是噪聲信號(hào)；其中噪聲信號(hào)可分為相乘噪聲與相加噪聲；相乘噪聲與超聲信 號(hào)成像的原理有關(guān)，主要來源于隨機(jī)的散射信號(hào)；相加噪聲認(rèn)為是系統(tǒng)噪聲；超聲成像系 統(tǒng)初步得到的包絡(luò)信號(hào)為-般模型如下：
[0020] fpre = gprenpre+wpre ⑴
[0021] 這里，上標(biāo)表示系統(tǒng)初步得到的信號(hào)；函數(shù)gpM表示無噪聲信號(hào)，npM和W pre分 別表不相乘噪聲和相加噪聲，式中ηρΜ是噪聲的主要成分；
[0022] 和相乘噪聲ηρΜ相比，相加噪聲Wpre所占比重很小，因此將W pre忽略后的模型為
[0023] fpre = gprenpre (2)
[0024] 為了適應(yīng)超聲成像系統(tǒng)顯示屏幕的動(dòng)態(tài)顯示范圍，對(duì)超聲成像系統(tǒng)采集到的包絡(luò) 信號(hào)進(jìn)行對(duì)數(shù)壓縮處理；此時(shí)相乘的式（2)模型將變?yōu)橄嗉拥哪Ｐ?，如?br> [0025] log(fpre) = log(gpre)+log(npre) (3)
[0026] 得到的信號(hào)log(fp，即是通常看到的醫(yī)學(xué)超聲圖像；
[0027] 步驟2)對(duì)第一步得到的對(duì)數(shù)變換后的圖像進(jìn)行小波分解，得到四個(gè)頻域（LL1、 LtfdL 1和HH1);對(duì)低頻域LL1繼續(xù)進(jìn)行小波分解，再得到四個(gè)頻域（LL2、LH 2、HL2和HH2);然 后重復(fù)這個(gè)步驟，直到分解最大層數(shù)J ;
[0028] 由于小波變換是線性變換，因此式（3)模型經(jīng)過二維離散小波變換后得到下面模 刑.

【權(quán)利要求】
1.基于小波變換和快速雙邊濾波的醫(yī)學(xué)超聲圖像去噪方法，包括以下步驟： 步驟1)醫(yī)學(xué)超聲圖像模型的建立； 將超聲成像系統(tǒng)采集的包絡(luò)信號(hào)分為兩部分，一是有意義的體內(nèi)組織的反射信號(hào)，另 一部分是噪聲信號(hào)；其中噪聲信號(hào)可分為相乘噪聲與相加噪聲；相乘噪聲與超聲信號(hào)成像 的原理有關(guān)，主要來源于隨機(jī)的散射信號(hào)；相加噪聲認(rèn)為是系統(tǒng)噪聲；超聲成像系統(tǒng)初步 得到的包絡(luò)信號(hào)為fp'-般模型如下： fpre = gprenpre+wpre ⑴ 這里，上標(biāo)表示系統(tǒng)初步得到的信號(hào)；函數(shù)gpM表示無噪聲信號(hào)，npM和Wpm分別表 不相乘噪聲和相加噪聲，式中ηρΜ是噪聲的主要成分； 和相乘噪聲r(shí)iPM相比，相加噪聲Wpm所占比重很小，因此將Wpm忽略后的模型為 fpre=gprenpre (2) 為了適應(yīng)超聲成像系統(tǒng)顯示屏幕的動(dòng)態(tài)顯示范圍，對(duì)超聲成像系統(tǒng)采集到的包絡(luò)信號(hào) 進(jìn)行對(duì)數(shù)壓縮處理；此時(shí)相乘的式（2)模型將變?yōu)橄嗉拥哪Ｐ?，如?log(fpre) =log(gpre)+log(npre) (3) 得到的信號(hào)l〇g(fPM)即是通?？吹降尼t(yī)學(xué)超聲圖像； 步驟2)對(duì)第一步得到的對(duì)數(shù)變換后的圖像進(jìn)行小波分解，得到四個(gè)頻域（LL1atfiL1 和HH1);對(duì)低頻域LL1繼續(xù)進(jìn)行小波分解，再得到四個(gè)頻域（LL2、LH2、HL2和HH2);然后重復(fù) 這個(gè)步驟，直到分解最大層數(shù)J; 由于小波變換是線性變換，因此式（3)模型經(jīng)過二維離散小波變換后得到下面模型： (tog(/n) =r;:u丨Ogfe7w))+(丨Og(，廣')) (4) 其中以a〇g(/pre))、町(i〇gfePK))和(i〇g(，))分別表示含有噪聲圖像的小波系 數(shù)、無噪聲圖像的小波系數(shù)和斑點(diǎn)噪聲的小波系數(shù)；其中上標(biāo)j為小波變換的分解層數(shù)，下 標(biāo)（l，k)為小波域內(nèi)的坐標(biāo)；為了方便表示，將式（4)簡(jiǎn)化為 FL=Gli +N[k (5) 對(duì)于離散的二維圖像f(n，m)，對(duì)其進(jìn)行二維小波分解的步驟為：首先對(duì)圖像的每一行 像素進(jìn)行一維離散小波分解，然后對(duì)再圖像的每一列進(jìn)行一維離散小波分解，將一幅圖像 分解為四個(gè)子頻帶信號(hào)；另外二維小波的重構(gòu)可以按照相反的順序就可以得到； 分析子頻帶分量，即相應(yīng)的小波分解系數(shù)；LLO為原始信號(hào)，圖像的信息都集中在這 里；每次小波分解都會(huì)得到四個(gè)子頻帶，對(duì)LLO進(jìn)行一級(jí)小波分解后得到LL1、LH1、HLl和 HHl四個(gè)子頻帶； LLl分量是對(duì)原始信號(hào)LLO的列和行進(jìn)行小波分解后得到的低頻分量，即一級(jí)小波分 解后近似部分，它包含了原始圖像最多的低頻信息； LHl是一次小波分解后的垂直方向上的高頻分量，即它包含了圖像水平方向上的近似 /[目息和垂直方向上的邊緣等商頻?目息； HLl是一次小波分解后的水平方向上的高頻分量，即它包含了圖像垂直方向上的近似 息和水平方向上的邊緣等1?頻息； HHl是一次小波分解后對(duì)角方向上的高頻分量，即它包含了圖像水平和垂直方向上的 邊緣等1?頻信息； 經(jīng)過小波分解后的無噪信號(hào)的小波系數(shù)(?服從廣義拉普拉斯分布，其概率分布如下
式中，Γ(α) = |;Z++1exp(-i)￡fa是伽馬函數(shù)，V為形狀參數(shù)，s為尺度參數(shù)，u為位置參數(shù)； 當(dāng)V= 1，u=O時(shí)，式（6)將變?yōu)槔绽狗植?，它是廣義拉普拉斯分布的特殊模型； 同時(shí)斑點(diǎn)噪聲的小波系數(shù)Mit服從零均值高斯分布
式中σN為小波域內(nèi)噪聲的標(biāo)準(zhǔn)差； 步驟3)對(duì)最后一層的低頻部分（LI/)進(jìn)行快速雙邊濾波處理； 選擇快速雙邊濾波器對(duì)低頻域內(nèi)的小波系數(shù)作濾波處理；快速雙邊濾波器又稱增維型 雙邊濾波器，以圖像的二維坐標(biāo)再加上各坐標(biāo)上像素點(diǎn)的灰度值作為三維空間，形成三維 高斯核函數(shù)與三維圖像函數(shù)的線性卷積，對(duì)應(yīng)于頻域上相乘，其結(jié)果進(jìn)行傅里葉反變換，這 樣將把繁瑣的逐點(diǎn)計(jì)算轉(zhuǎn)換成快速傅里葉變換計(jì)算； 快速雙邊濾波器的結(jié)構(gòu)如下
(τ2 - Kx V) 5 , ，-代表輸入圖像I增 O5ZΦ/(x,_v) ΓI^ ~ J( X 維后得到的三維圖像矩陣，M(UJ)=J" 1+ 4代表三維權(quán)值矩陣；interp是插值函 [O5ZTiZ(X5F) 數(shù)；G是線性化后的空間鄰近度因子&和灰度相似度因子4的乘積，即高斯核函數(shù)；?代表 矩陣的線性卷積；Ss和\分別代表空間域采樣率和灰度域采樣率； 將快速雙邊濾波器表征為增維矩陣與增維核函數(shù)的線性卷積，分別對(duì)三維矩陣IX和EX進(jìn)行三維高斯濾波，再將兩個(gè)濾波結(jié)果進(jìn)行線性內(nèi)插后還原為二維矩陣Π、ΕΥ，Π對(duì)EY 逐點(diǎn)相除得到復(fù)原圖像BI;其過程簡(jiǎn)化為：先插值后點(diǎn)除，保證了EY矩陣元素里不會(huì)存在 接近零的數(shù)值，能很好地恢復(fù)圖像；在三維空間里采樣、卷積計(jì)算、插值等的數(shù)值求解實(shí)現(xiàn) 了幾個(gè)數(shù)量級(jí)的加速； 步驟4)對(duì)每一層的高頻部分（Ltf、HU_和Htf，j= 1，2,. . .，J)的小波系數(shù)進(jìn)行閾值法 收縮處理； 在小波去噪方法中，閾值函數(shù)的選擇會(huì)直接影響到最終的圖像去噪結(jié)果；當(dāng)閾值選擇 較小時(shí)，一部分大于該閾值的噪聲系數(shù)會(huì)被當(dāng)作有用信號(hào)保留下來，這就導(dǎo)致去噪后的圖 像依然存在大量噪聲；當(dāng)閾值選擇較大時(shí)，會(huì)將很多系數(shù)很小的有用信息當(dāng)作噪聲而置零， 這將使得去噪后的圖像變得很平滑，損失很多細(xì)節(jié)信息；因此選擇恰當(dāng)?shù)男〔ㄩ撝岛瘮?shù)非 常重要；Donoho等人設(shè)計(jì)了一個(gè)通用的小波收縮閾值函數(shù)，ΒΡΓ=σ；νΛ/21ο8Μ，這里的M即 是對(duì)應(yīng)小波域內(nèi)小波系數(shù)的總體個(gè)數(shù)；然后，此閾值函數(shù)在醫(yī)學(xué)超聲圖像的去噪中表現(xiàn)不 佳，為了取得更好的去噪效果，本發(fā)明將通用閾值函數(shù)做以下改進(jìn) Τβ=αβσΗ^2?Λ$Μ (9) 式中j(= 1，2,…，J)為小波系數(shù)所在的分解層數(shù)，J是小波變換的最大分解層數(shù)，在 本發(fā)明中，j層的自適應(yīng)參數(shù)h選為2?1 ; 在小波去噪方法中，首先選定一個(gè)給定閾值，然后按照一定的規(guī)則對(duì)小波系數(shù)進(jìn)行收 縮，便完成了對(duì)小波系數(shù)的去噪；即給定一個(gè)閾值，所有絕對(duì)值小于這個(gè)閾值的系數(shù)被當(dāng)作 噪聲，然后對(duì)其作置零處理；對(duì)絕對(duì)值大于閾值的小波系數(shù)用一定的方法進(jìn)行縮減，然后得 到縮減后的新值； 無噪信號(hào)的小波系數(shù)服從廣義拉普拉斯分布，小波域內(nèi)的斑點(diǎn)噪聲部分和4服從 高斯分布；選擇V= 1，u= 0,則式（6)變?yōu)槔绽狗植?br> 為了得到小波域內(nèi)的信號(hào)估計(jì)值，使用貝葉斯最大后驗(yàn)估計(jì)的方法；在后驗(yàn)概率的計(jì) 算過程中，使用貝葉斯公式如下
將式（7)、式（10)帶入上式（11)，得到
為了得到最大后驗(yàn)概率，將In(pe|F(g If))對(duì)g求一次導(dǎo)數(shù)的方程置零，最后得到 g=sign(f)>max(|f|(13) 羞為g的估計(jì)，并且假設(shè)f和無噪信號(hào)g同號(hào)；這樣就得到新的收縮方法
式中只有尺度S是未知的，可由下式確定 ?=[0.5(4,)f (15) 其中〇u為噪聲圖像小波系數(shù)在j層的標(biāo)準(zhǔn)差； 通過觀察小波收縮函數(shù)的曲線圖，可以看出本文改進(jìn)的小波收縮函數(shù)在曲線圖像上表 現(xiàn)的更加平滑，尤其當(dāng)小波系數(shù)大于小波閾值的區(qū)間范圍內(nèi)； 步驟5)作小波逆變換處理，得到去噪后的醫(yī)學(xué)超聲圖像；如果要得到去噪后的超聲包 絡(luò)信號(hào)，對(duì)第5步得到的超聲圖像作指數(shù)變換即可。
【文檔編號(hào)】G06T5/00GK104240203SQ201410455563
【公開日】2014年12月24日 申請(qǐng)日期:2014年9月9日 優(yōu)先權(quán)日:2014年9月9日
【發(fā)明者】張聚, 林廣闊, 吳麗麗, 王陳 申請(qǐng)人:浙江工業(yè)大學(xué)