基于小波变换的医学超声图像去噪方法研究(7)

破坏了图像的细节，并且在临床诊断中往往是医学图像的细节起到关键性的作用，因此医学图像去噪就必须做到在降低图像噪声的同时又保留图像细节，在不降低图像空间分辨率前提下．消除或最大限度地抑制斑点噪声。

1.2 超声图像去噪的现状

目前对于超声图像斑点的认识有着两种不同的观点，一种观点认为图像中的斑点是一种噪声，它影响超声图像的质量和清晰度，所以要尽量去除或者抑制其斑点噪声；另一种观点则认为斑点也是图像信息的一种，它也代表体内某种组织或器官的机能情况，正常或者不正常，是否病变。虽然这是两种相差甚大的观点，但是其目的却是一样的，那就是要更好的进行识别和诊断，更好的为人类服务。

本文则是在第一种观点的基础上进行研究的，因此研究对于斑点噪声的去除是本文的主要任务。传统的图像去噪方法采用线性处理技术，比如维纳滤波、低通/高通滤波或带通滤波，它们或者平滑、或者加强高频，而且能够去除某些具体的噪声，要是以最小平方误差作为评价滤波效果的话，维纳滤波是最好的。因为其数学原理简单，而且能够很有效的去除加性噪声，所以很受欢迎；但是这些滤波方法会模糊图像细节，并且不能去除类似椒盐噪声的各种长尾噪声，更不能去除与信号密切相关的乘性噪声。而超声医学图像中的斑点噪声是正是一种与组织结构信号密切相关的乘性噪声，因此对超声医学图像去噪方法的研究主要集中于非线性滤波方法。

在过去的20多年中，超声图像去噪一直是医学图像处理中的热点问题，为此出现了许多超声图像斑点去噪的方法。其中应用比较广泛的有中值平滑滤波、均值平滑滤波、Frost自适应滤波等，这些超声图像去噪方法大多采用单一尺度滤波，在一定程度上对抑制超声图像的斑点噪声起到了作用，但是这些方法的使用也丢失了图像中大量的细节和微弱的边缘信息，使得图像模糊。这样构造一种既能够有效消除相干斑噪声，同时又能够有效保持图像细节的去噪方法则是当前超声图像处理的研究目标。

近年来，非线性去噪方法得到极大的发展，其中，小波技术广泛用于图像处理，小波变换是一种强有力的数学分析工具，而小波变换值去噪方法则是一种强有力的信号处理工具，小波变换在时域和频域都具有良好的局部化特性，处理低频和高频信号时时频窗口可自动调节，以满足不同情况的需要，小波变换的应用已遍及图像分析的多个研究领域。Donoho提出的通过对小波变换系数按阈值进行收缩的去噪方法具有运算量小、自适应、可有效保留细节等优点，在此基础上，涌现出各种去噪算法，使得小波域去噪研究成为一个十分活跃的研究领域。