论文部分内容阅读
超声图象中存在一种特殊的斑点(speckle),其统计特征主要取决于每个分辨单元的散射体数量(称为散射密度)、它们的空间分布与成像系统的特性.根据散射密度的大小,斑点分别服从Ralyleigh分布、Rician分布与K分布.Nakagami分布能更好地描述斑点的统计特性,它具有更强的表达能力与通用性.该文分析了上述几种斑点分布模型的矩特征,并讨论了其概率密度函数中的参数估计方法.考虑到超声成像过程中,对信号进行了对数压缩与插补运算,斑点的统计特征也发生了显著变化.根据对数压缩的非线性变换模型,对分别服从Ralyleigh分布、K分布与Nakagami分布的回波信号经对数压缩后的统计特征进行了分析.在斑点统计特征的基础上,设计了一类基于斑点矩特征的斑点抑制滤波算法,并将它们与线边缘检测方法相结合,这种线边缘检测方法以长度极短、方向各异的线段来近似图象的局部线性特性,从而增强图象边缘与局部细节.在此基础上,提出了一种基于斑点局部统计特征的自适应边缘检测方法,以进一步改善算法的性能.小波多分辨率分析处理图象提供了有效的手段,该文提出了一种多尺度非线性抑噪与边缘增强的方法.首先,对图象进行多尺度分解,对于高频部分,采用基于分解尺度与图象方差的软阈值降噪方法来平滑斑点,然后,对抑噪后的图象进行逆小波变换来重建图象.最后,对图象应用自适应线边缘检测方法进行处理,使图象边缘与局部细节得到有效保留与增强.