[人工智能]超声图像散斑去噪方法

1. 引言

医用超声图像分割和识别是分析病理的一个重要手段，而影响超声图像质量的一个最主要的因素就是散斑噪声，这严重影响了超声图像的分割，因此散斑去噪是后期医用超声图像分割和识别等关键的预处理过程。

超声图像去噪的主要算法包括：

• 空域去噪算法
• 小波域去噪算法
• 各向异性扩散去噪算法

2. 空间域局部统计滤波算法

局部统计滤波方法是基于一定的估计准则的，因此不同的估计准则如最小均方误差准则(MMSE)、极大似然法(ML)和最大后验概率(MAP)等得到广泛应用，典型的算法有Lee 滤波算法和Kuan 滤波算法。

3. 图像小波变换去噪方法

经典小波变换图像去噪算法分为三大类：基于小波变换模极大值方法、相关性去噪方法、小波阈值去噪方法。

4. 各向异性扩散滤波算法

与一些传统的空间滤波技术相比，各向异性扩散的优点在于它可以在去除噪声的同时， 保留甚至增强图像中的边缘信息。典型的算法包括PM模型、SRAD 模型、NCD 模型。

以上算法的总结：

• 空域散斑抑制算法其计算量小，速度快，但其滤波效果与窗口大小密切相关，无法增强图像的边缘和细节，在边缘区域的滤波是各向同性的。
• 各向异性扩散滤波和基于多尺度的滤波的拥有优良性能。