本站原创摘 要：该文针对医学超声图像噪声的特点提出了非线性滤波器.首先介绍了自适应中值滤波器的工作原理,然后用其与经典中值滤波器对含有不同噪声密度的肝癌超声图像进行去噪处理.实验结果对比表明：自适应中值滤波能够有效改善图像质量,在降低图像噪声的同时能较好的保持图像细节信息和视觉效果.
关 键 词：超声图像经典中值滤波自适应中值滤波器图像去噪
中图分类号：TB559文献标识码：A文章编号：1674-098X（2014）02（c）-0198-03
Abstract：Inthispaper,accordingtothecharacteristicsofmedicalultrasonicimagenoisenonlinearfilterispresented.Firstly,thispaperintroducestheworkingprincipleofadaptivemedianfilter,andthenuseitwiththeclassicalmedianfiltertodealwiththenoiseofultrasonicimageoflivercancerwhichcontainsdifferentnoisedensity.Comparedtotheexperimentalresults：theadaptivemedianfiltercanimprovetheimagequalityeffectively,itbothmayeffectivelyremovethenoise,andmaymaintainthemagedetailsandvisualeffectwell.
KeyWords：ultrasonicimage；classicalmedianfilter；adaptivemedianfilter；imagedenoising
医学图像去噪是医学图像处理领域中的研究热点,其目的是改善医学图像质量,尽可能减少噪声对后续图像处理的影响[3-6].由于医学超声图像普遍被颗粒状的斑点噪声污染,然而边缘等细节特征又是医生分析问题和诊断器官是否病变的重要依据.因此,对医学超声图像去噪要做到在抑制噪声的同时又尽可能多的保留原始图像的重要特征是至关重要的[1-2].
受强电磁场的干扰和设备的影响,医学超声图像主要被斑点噪声污染,针对该问题在早期提出中值滤波[7-9].其作为一种非线性滤波,克服了线性滤波的不足,该方法有效抑制了斑点噪声,在医学影像处理领域中得到了广泛的研究和应用[10].但是,传统的中值滤波对图像中的所有像素点均进行滤波处理,因此可能会导致图像中未被斑点噪声污染的像素点灰度值发生改变,造成超声图像的边缘细节等重要特征丢失,进而影响到医学图像的质量.随后出现了好多基于经典中值滤波器改进型的中值滤波算法[11-13].
该文根据斑点噪声特点,提出自适应中值滤波算法.经典中值滤波与其通过改变斑点噪声密度大小进行实验对比.结果表明,较经典中值滤波,自适应中值滤波不仅对密度较大的斑点噪声医学超声图像有很好的去噪效果,还能够较好的保留图像细节特征信息,体现出了其独特的优越滤波特性.
1自适应中值滤波
2实验结果与分析
本文选取肝癌超声图像进行仿真实验,对图像依次添加密度为5%,15%,25%的斑点噪声,然后采用经典中值滤波和自适应中值滤波对含有不同噪声密度的超声图像进行滤波处理.经典中值滤波器窗口及自适应中值滤波器所允许的最大分别取3,5,7,默认起始滤波窗口大小为3.
具体的实验仿真结果如下：
观察图1、图2和图3的滤波后的肝癌超声图像,本文采取的自适应中值滤波算法滤波后的图像要优于中值滤波方法.具体实验结论如下：
（1）经典的中值滤波对椒盐噪声强度比较敏感,当噪声强度增加时,其去噪能力较自适应中值滤波变弱.但是,观察以上三图中斑点噪声密度小于20%时,中值滤波去噪效果尚理想,且滤波窗口的尺寸越大,其去噪效果越好.当噪声密度较少时,选择窗口尺寸为、即可.
（2）与传统的中值滤波相比,本文采用的自适应中值滤波可处理具有更大密度的斑点噪声,且在非斑点噪声处可以较好的保留图像细节特征信息.观察实验结果,当噪声密度高于20%时,自适应中值滤波效果显著优越于经典中值滤波.除此之外,要随着噪声密度大小的变化而进行变化,即当噪声密度增大时,要适当的增加；当噪声密度减小时,要适当的缩小,以消除尖峰噪声,达到较好的滤除效果.因此处理含有高密度噪声的医学超声图像时,选取5或7,其滤除效果最好.
综上可知,自适应中值滤波在处理大密度斑点噪声图像和保留图像细节信息方面要远远优于经典中值滤波.
3结语
中值滤波作为滤除斑点噪声最常用的方法,在医学图像预处理工作中具有重要作用.本文提出一种自适应中值滤波去噪算法,将其与中值滤波算法在去噪和细节保护两方面进行了比较分析,从中值滤波器窗口的选择,自适应中值滤波器最大阈值的选取及斑点噪声密度三方面对去噪效果的影响做了详细的研究对比分析,得出了科学的结论.但是对包含混合噪声的超声图像预处理工作,还需进一步的研究探讨.
3]侯涛.医学超声图像斑点噪声去除的研究[D].复旦大学,2011.[14]都基焱,赵炳爱,范晓红,等.SAR图像斑点噪声滤除方法应用研究[J].系统工程与电子技术,2004,26（8）：1027-1029.
[15]秦绪佳,张素琼,刘世双,等.一种边缘保持的医学图像去噪方法[J].计算机科学,2009,36（11）：279-282.