基于数学形态学与自适应的超声医学图像滤波方法的研究--中国演讲

基于数学形态学与自适应的超声医学图像滤波方法的研究--中国演讲网

　　（亲爱的客户朋友您好！您正在浏览的文章是由我站编辑人员为您搜集整理的范文，仅供您参考。如果你有相关的写作需要请与我们业务经理王老师联系：13220535006 在线客服QQ：316327876  您的满意是我们永恒的追求：中国演讲网www.yanjiangwang.com。）
　　引言超声医学成像作为主要的医学影像技术之一，因其对人体无伤害、实时、价格便宜和使用方便等优点已广泛应用于临床，特别是三维超声成像技术的空闻显暴特性直观形象地再现了人体器官及活动状况，可用予精确诊断和评价疾瘸。由于受成像机制、仪器和受试者呼吸运动等影响，二维超声切面图像相对较差，在成像过程中形成了特有的图像斑点（speckle）信号（具有瑞利分布特征），使得对比度弱的人体软组织审的歪孝组织和病变组织不易送分。加上残像器官或级织结构上鲢不均匀性对声波酶影嚷，一些微小结构（直径1 cm以下）不能被超声所分辨。反映在图像上，噪声使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的物体轮廓或毛刺，甚至造成影像的丢失，严重影响图象质量，不仅给临床诊断和医学研究带来不便，也使得对图像缨节的识别和分析更裾困难，并直接影响三维黧建后的图像质量，所以必矮首先对二维超声医学图象进行滤波去噪处理。
　　对超声医学塑像滤波王痒的一般要求是在骞效挪铡斑点的同时，很好遣绦留匿像中对后期分横穰诊断中有用的细节信息。一些微小的组织结构信息，必须在滤波时很好的保留。
　　目前用于越声医学图像的滤波方法主要包括基于中德滤波、自适应中值滤波、小波变换和扩散方程的滤波方法等。这些方法都能在一定程度上滤除超声图像的嗓声，但每种方法都存在各自不弼的优缺点。耱对于后期图像处理、多维重建、疾病诊断评价与治疗等工作要求而亩，前期二维超声医学图像的质量直接影响薅欺图像处理和疾病诊评的质量，因此，趣声医学图像滤波去嗓方法的研究一直都是热点。
　　由于超声医学图像的特殊性，在滤波去噪的过程中，为了获得比较好的滤波效果，常需要寻求更准确的斑点噪声模型，而且并非使用单一滤波方法就能达到满意的效果，有时需要综合几种方法来共阍处理。
　　本文讨论一辩l将鑫逶应滤波释形态滤波缝合在一起麓新的超声篡学图像滤波方法，并透过实骏验证了这种方法有效。
　　自适应中值滤波与形态滤波结合的原理及实现。1自适应中值滤波在超声医学匿像孛，不同送城内匿像性质不固，其迭如的噪声幅度也不尽糖露，这就需要黑到窘适应中值滤波器。自适应中值滤波器是在考虑一定隧域内图像的统计特性基础上对中值滤波的改进，其滤波方式程传统中值滤波器一撵都楚曩窗掰，所不同的是在滤波过程中自适应中值滤波器会根据图象的局部统计特征来自动地改变滤窗的大小和形状，当判断滤窗中心像素是噪声时，其值用中值代，否则不改变当前像素值，用滤波器的输出来替代滤窗中心像素（茹，Y）的值。窗内各点像素的权值可以调节，窗口选择可以逶过分裂、合并酶方法来获得，形状不受限剃潮。在MATLAB审窭褒皇适应孛僵滤波器酶镶子如下：自适应中值滤波法能够有效抑制超声医学图像中的斑点噪声，可以改善边缘的清晰度和连贯性，改善低回声区域的图像效果，较好的去除噪声，提高图像的对比度，保留图像细节，这一直是研究的热点，目前已见可用于实时超声成像的自适应图像处理方法的研究报道。但这类基于窗口平滑的滤波方法对于窗口形状和大小均十分敏感，窗口的自适应选择仍然限制了这类滤波器的滤波效果，且计算复杂、计算量较大、速度较慢。
　　数学形态学滤波数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。
　　数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。其定义分别如下基本运算是构造形态滤波器的基础，基于这些基本运算可以推导和组合成各种数学形态学实用算法。
　　在实际应用中，开运算具有对输入图像的平滑作用，可以消除输入图像边缘的毛刺及孤立斑点（即过滤信号中的正脉冲噪声）；闭运算具有对输入图像的过滤作用，可以填补输入图像的裂缝及破洞（即过滤信号中负脉冲的噪声）。将两种运算综合起来可达到滤除亮区和暗区中各类噪声的效果。结构元素是数学形态学的一大优点，它的引入使大量复杂的图像处理转变成简单的逻辑运算处理。结构元素是具有一定尺寸的背景图像，携带大小、形状、灰度、色度等知识，它在图像中作运算类似于滤波窗口，结构元素的大小、形状选择合适与否，与图像处理的具体问题密切相关，并直接影响图像的形态运算结果。2.3两种滤波方法结合的优势蠢适应中蠖滤波能有效抑制超声塑像中的斑点噪声，同时麓较始的保留边界缨节，是一种针对超声图像比较有效的滤波方法，但基于窗髓平滑的滤波方法对于窗口形状和大小均十分敏感，窗口的自适应选择仍然限制了这类滤波器的滤波效果，且计算量较大，算法不具有并行性，速度较慢，要应用于实时性要求高的场合还膏符改进，霉前大多应黑予超声图像的后期处毽。
　　数学形态学具有完备的理论、方法及算法体系，它的应用可以简化图像数据，保持图像基本形状特征，并除去不耱予的结构，噪声去除较干净，可以保留很好的图像缨节，开两种操作综合起来可达到滤除亮区和暗区中各类噪声的效果。僚形态学需要选择合适的结构元索，才髓这翻满意的滤波效果，这正是需要我们花时间和精力去研究的。而将多结构元素和歼、闭滤波等结合起来，在目标图像细节保护方面骞蓬大的优越性。
　　另外，形态学具有潜在的高并行性，它在图像处理应用中的许多实用算法，一般可进行并行处理，大大加快了图像处理的速度，为实时识别和处理图像奠定了基础，易于硬件实现，可应用于实时性较高的场合搬，拉。这两种滤波方法优势的结合将有勘于进一步提高超声毽学图像的质量和实时往。虽然到目前为止，尚未见有将形态滤波应用于超声医学图像的报道，但是，形态滤波器在处理其他图象上的成功应用，为其应莠l于超声图像兹去噤处理羹定了基稿。
　　综上所述，作者认为采用两者结合的方法对超声医学图像进行滤波的思想是完全可行的，可以提高滤波质最，并成功地进行了实验验证。
　　实验结果与分析笔者将上海中奎嚣貔挺供酶超声心动图片输入计算枧，在操{筝系统为Windows XP环境下，栗震MATLAB7.对图像进行滤波实验，方法是先对原图象施加瑞利噪声，然后分别采用中值滤波、自适应中值滤波和。先采用自适应中值滤波，再采黑形态二次滤波和增强对比度的办法对图像进行滤波处理，最詹对原图像和去噪图像进行直观溺蛩稀逼真度测试，并对这三种方法进行了跑较。实验图像分别如图重一5所示。
　　对上述离散图像逼真度测试结果见表13～1引。3讨论以上实验结果证明，自适应中值滤波与形态滤波结合的方法优于其他常用去噪办法：
　　从目测滤波图像上看，自适应中值滤波在对瑞利噪声的抑制和细节保留上明显好于中值滤波，经形态二次滤波和增强对比度处理后的图像噪声几乎全部被滤除，图像细节未丢失，说明本文提出的自适应中值滤波与形态滤波结合的方法比单用一种方法的滤波效果好，是一种新的可提高超声医学图像质量的滤波方法。
　　从MSE、MAE、E的计算结果值来看，经自适应中值滤波+形态法去噪后的图像与原图像比较，三种误差均小于中值滤波法和自适应中值滤波法，这与1）中对模拟图像的目测结果相一致，进一步证明本文提出的滤波方法是一种针对超声医学图像有效方法。
　　从滤波图像的细节上看，尽管经形态二次滤波和增强对比度处理后的图像细节未丢失，但还不够清晰，图像质量有所下降，说明新法还存在一些问题，还需要针对图像下降原因，在结构元素的选择和形态变换的组合等方面作进一步的研究和改进。　（您现在浏览的文章来自中国演讲网《http://www.yanjiangwang.com》 如果你有相关的写作需要请与我们联系24小时辅导代写热线：13220535006 王老师。 专家QQ在线：316327876 ）