肝脏超声图像降噪处理的两种方法比较
2019-05-24徐立乔智郑祖添穆佳乐
徐立 乔智 郑祖添 穆佳乐
摘要:医学图像是复杂图像可以反映人体内部的各个组织信息,包含的大量的医学信息,进行处理时非常困难。现代医学图像一般采用超声成像技术,其在疾病的预防、诊断、治疗中起到了很好的辅助作用;而图像在形成过程中由于受到多种不确定因素的影响会产生斑点噪声。本文在对肝脏超声图像降噪时选取中值滤波和小波阈值两种降噪方法对常见噪声如高斯噪声、椒盐噪声进行降噪处理。通过实验对比发现小波阈值降噪方法对图像降噪效果方面要优于中值滤波降噪方法。
关键词:肝脏超声图像;降噪处理;中值滤波;小波阈值
中图分类号:TP311 文献标识码:A
文章编号:1009-3044(2019)11-0209-02
现代医学图像处理一般采用的是超声成像技术。超声成像技术具有成本低廉、实时成像、对人体健康几乎无影响等优点,因此在医学中得到广泛应用。以B超图像为例,在图像成像的过程中会受到各种噪声因素的干扰,如X射线源噪声、电光系统成像噪声、机械物理噪声及在成像过程中其它设备元件产生的噪声影响,尤其是当超声波波长与被检查的物体表面粗糙程度相近时,就会产生斑点噪声。在这些噪声的影响下所获得的图像会变得不清晰,可能会降低图像的识别度,掩盖某些重要的细节信息,从而增加医生对病人情况诊断的困难。
本文中为了抑制噪声对于肝脏超声图像的影响,我们对图像进行了降噪处理。采用了中值滤波和小波阈值这两种方法进行降噪处理,并对这两种方法的降噪结果进行效果比较。
1 降噪方法的原理
1.1中值滤波
中值滤波是非线性平滑技术之一,由于其实现过程简单实用,对脉冲噪声、椒盐噪声滤除效果显著,其在滤除噪声的过程中,同时还能够对图像的边缘进行保留,使图像直观明显,因此在抑制噪声中普遍应用。
中值滤波的原理是用一点的邻域中各点值的中值替换数字图像或数字序列中点的值。
1.2小波阈值降噪
小波阈值收缩法是Donoho和Johnstone提出的图像降噪方法,其理论依据为:在整个小波域内,信号能量只集中在有限的几个小波系数内,而噪声能量却遍布了整个域。所以在经过小波分解之后,信号的小波变换系数就会比噪声的系数高。这样我们就可以选取一个适宜的阈值数,当小波分解后,小波系数低于这个值时,则可以认为其主要原因是噪声所引起的;当小波系数高于这个值时,那么就将这个系数保存下来。这个就是传统的小波阈值降噪算法。
小波阈值降噪步骤可以分为三步:首先,选定小波和小波分解的层次(最佳小波分解的层次为3),对信号进行小波分解处理操作,计算其分解后得到的系数。然后选择一个恰当的阈值及其适宜的阈值函数,用选取的函数对各层的系数进行量化处理。最后依据小波分解的第F层得到的低频系数和第一层到第F层量化后得到的高频系数,从而计算出信号的小波重构。
2 实验结果与分析
本实验采取Matlab软件验证本文所列举的算法应用在肝脏图像降噪中哪一种效果更加明显,显示的图像更加清晰。首先在实验中选取一张肝脏超声原始图像,第一组实验添加高斯噪声,第二组实验添加椒盐噪声,然后采取中值滤波和小波阈值的方法对噪声图像进行降噪处理,最后对得出的图像效果进行比较。
2.1噪声的选取
2.1.1高斯噪声
在超声图像中的高斯噪声的产生主要来源是在采集期间,由于高温或不良的照明产生的传感器噪声;其次来源是在图像的生成过程中因为温度以及机械内部等因素产生的噪声。
2.1.2椒盐噪声
椒盐噪声也被称作脉冲噪声,是因为信道,波长等因素产生的噪声。其产生的原因可能是影像讯号受到突然出现的强烈干扰而产生的噪声。
2.2 方法选取
在小波阈值降噪中,本文选取coif2的小波基对图像进行分解,重构。为了得到更加清晰的降噪图像,本文发现1次降噪不能有效的去除噪声,而进行了2次降噪。2次降噪的图像更加清晰。如图1所示。
中值滤波选取3*3窗口大小,发现降噪效果不理想,经过多次实验证明,7*7的窗口大小适用于本次实验。实验结果如图2所示。
2.3 实验结论
通过对中值滤波降噪和小波阈值降噪对不同噪声的实验结果进行比较,我们可以看到:
1)中值滤波降噪法对肝脏超声图像中脉冲噪声和椒盐噪声具有一定的抑制作用,但是也会滤掉了图像里一些有用的细节信息,这样对图像的边缘信息处理造成影响,干扰医生对病情的判断。
2)小波阈值降噪法对肝脏超声图像中产生高斯噪声和椒盐噪声也有非常好的抑制作用,且因为它是在分解的多个尺度水平上进行选取多个阈值进行降噪处理,这样处理的效果会更好,图像也更加的清晰。
通过实验结果发现,两种算法对肝脏噪声图像降噪的处理都有很好的降噪效果 ,更进一步比较我们发现小波阈值降噪法比中值滤波降噪方法对于图像中想要信息得到更多的保存,降噪效果更佳。
3 结束语
医学超声成像的技术特点决定了超声图像的质量受噪声影响较大,在现今十分发达的医学影像技术中,对医学超声图像的研究有着重大意义。本文主要研究肝脏噪声图像处理算法,针对图像的特点,经过对肝脏噪声图像的多个方面进行深入分析和研究之后,选取了两种适于处理肝脏噪声图像的算法。
本文采用中值滤波算法和小波阈值算法,对肝脏噪声图像进行降噪处理实验,验证那种方法更适合对这类图像进行降噪处理。实验结果表明,两种算法对肝脏噪声图像降噪处理的都有很好的降噪效果,相对而言,小波阈值降噪方法在图像降噪方面,其效果要优于中值滤波降噪方法。下一步将探索研究更为合适的小波核函数及尺度水平。
参考文献:
[1] 肖孟强. 混合噪声图像滤波算法在医学图像中的应用研究[D]. 兰州交通大学, 2012.
[2] 周密, 李尊尊, 耿國华. 基于小波阈值的图像降噪方法研究[J]. 计算机技术与发展, 2008, 18(5):22-24.
[3] 唐贵基, 张文德, 林琳, 等. 一种基于优化阈值函数的整体强化分解模型改进降噪方法[J]. 科学技术与工程, 2014, 14(16):134-138.
[4] 颜微. 改进的二维阈值图像分割方法[D]. 2016.
【通联编辑:光文玲】