超聲醫(yī)學圖像去噪方法及應用

目 錄
第1章 緒論\t1
1．1 超聲圖像去噪方法研究的背景與意義\t1
1．2 超聲成像原理和斑點噪聲模型\t4
1．2．1 超聲波概述\t4
1．2．2 超聲成像的發(fā)展\t6
1．2．3 超聲成像原理\t8
1．2．4 B超成像原理\t10
1．2．5 斑點噪聲的形成原理\t11
1．2．6 斑點噪聲的模型\t12
1．3 主要的超聲圖像去噪技術和
國內(nèi)外研究現(xiàn)狀\t15
1．3．1 需求分析\t15
1．3．2 去噪算法的國內(nèi)外研究現(xiàn)狀\t17
1．3．3 去噪算法的分類\t19
1．4 本章小結\t25
第2章 基本理論\t28
2．1 小波變換\t28
2．1．1 從傅里葉變換講起\t29
2．1．2 連續(xù)小波變換理論\t33
2．1．3 離散小波變換理論\t36
2．1．4 多分辨率分析及Mallat算法\t37
2．1．5 二維小波變換的分解與重構\t39
2．2 引導濾波\t41
2．2．1 加權濾波器\t42
2．2．2 雙邊濾波器\t43
2．2．3 高斯濾波和雙邊濾波的比較\t44
2．2．4 快速雙邊濾波器\t46
2．2．5 三邊濾波器\t47
2．2．6 引導濾波器\t48
2．3 剪切波理論\t50
2．3．1 連續(xù)剪切波變換\t50
2．3．2 離散剪切波變換\t51
2．3．3 貝葉斯估計理論\t53
2．3．4 剪切波系數(shù)的先驗模型\t55
2．4 本章小結\t58
第3章 基于小波與雙邊濾波的
超聲圖像去噪算法\t59
3．1 基本理論\t59
3．2 基于小波與雙邊濾波的圖像去噪\t59
3．2．1 小波閾值函數(shù)改進\t59
3．2．2 小波收縮算法改進\t61
3．2．3 小波-雙邊濾波結合算法\t68
3．2．4 本章算法的整體步驟\t70
3．2．5 實驗結果\t70
3．2．6 本節(jié)小結\t76
3．3 小波-雙邊濾波法在超聲圖像
去噪中的應用\t76
3．3．1 實驗方法分析\t77
3．3．2 實驗結果與分析\t77
3．3．3 本節(jié)小結\t83
3．4 超聲圖像去噪算法的圖形化軟件設計\t84
3．4．1 需求分析\t84
3．4．2 方案設計\t85
3．4．3 軟件實現(xiàn)\t88
3．4．4 軟件測試\t91
3．4．5 本節(jié)小結\t91
3．5 本章小結\t91
第4章 基于自適應小波與三邊濾波的
超聲圖像去噪算法\t94
4．1 基本理論\t94
4．2 基于自適應小波與三邊濾波的
圖像去噪算法\t94
4．2．1 小波與自適應去噪\t95
4．2．2 小波-三邊濾波集成算法\t100
4．2．3 本節(jié)小結\t103
4．3 集成算法的實驗驗證\t103
4．3．1 性能評估指標\t103
4．3．2 實驗驗證\t105
4．3．3 本節(jié)小結\t109
4．4 小波-三邊濾波在超聲
圖像中的應用\t109
4．4．1 性能評估指標\t109
4．4．2 實驗驗證\t110
4．4．3 本節(jié)小結\t112
4．5 本章小結\t112
第5章 基于小波域內(nèi)分頻處理的
超聲圖像去噪算法\t115
5．1 基本理論\t115
5．2 基于小波域內(nèi)分頻處理的超聲
圖像去噪算法概述\t115
5．2．1 小波閾值函數(shù)改進\t115
5．2．2 最大后驗和雙變量收縮算法\t119
5．2．3 基于小波域內(nèi)分頻處理的
超聲圖像去噪算法的提出\t123
5．2．4 實驗驗證\t124
5．2．5 本節(jié)小結\t126
5．3 基于小波域內(nèi)分頻處理的超聲
圖像去噪算法的應用\t127
5．3．1 斑點噪聲仿真實驗\t127
5．3．2 超聲圖像實驗\t136
5．3．3 本節(jié)小結\t142
5．4 本章小結\t142







第6章 基于平移不變性剪切波
變換的超聲圖像去噪算法\t144
6．1 基本理論\t144
6．2 基于剪切波變換的超聲
圖像去噪算法\t144
6．2．1 剪切波變換的性質\t145
6．2．2 基于剪切波變換的基本流程\t151
6．2．3 MAP和三變量收縮算法\t152
6．2．4 基于剪切波變換去噪
算法的整體步驟\t156
6．2．5 本節(jié)小結\t157
6．3 基于平移不變性的剪切波算法
在超聲圖像中的應用\t158
6．3．1 合成圖像仿真實驗\t158
6．3．2 超聲圖像實驗\t164
6．3．3 本節(jié)小結\t169
6．4 本章小結\t169
參考文獻\t171