第二章超声图像的散斑分析

　　超声成像是一个复杂的过程。因为位于分辨率单元中的散射体是随机分布的，所以它们的反向散射能量也是随机的。因此，这种回波信号具有一定的统计特征。散射数密度是指单位分辨率单位中散射信号的数量。最理想的情况是每个分辨率单元包含大量的点散射体，而任何一个点散射体都不会产生强反射信号，这些散射体散射信号的交叉部分在单元范围内完全一致。此时，斑点遵循瑞利分布，如正常心脏和肾脏。在超声成像过程中，为了使回波输入信号匹配显示设备的动态范围，信号被对数压缩。考虑到信号的对数压缩特性，散射体的分布也发生了很大变化。这样我们可以得到更真实的光斑分布特征。通过计算机仿真软件，可以得到符合条件的光斑仿真图像和添加光斑后的仿真b超图像。

　　2.1超声图像散斑产生原理

　　在实际的超声成像系统中，根据人体组织和器官的声学特性，换能器发射超声脉冲，并通过人体的器官和组织的声学界面形成不同的折射和反射波。部分能量返回换能器，换能器将声能转换成电能，并在处理后在屏幕上显示器官形态。发射的超声波通过介质散射和反射形成的回波信号实际上是反向散射信号的连续累积。超声回波反射技术是超声检测中最常用的技术之一。同时，超声成像也利用超声反射后的回波进行成像。

　　第三章超声图像散斑去噪.........30

　　3.1全变分图像去噪算法........30

　　3.2自适应中值滤波器(AMF)……37

　　3.2.1自适应中值滤波算法设计........38

　　3.2.2 Matlab仿真........38

　　3.3，小波软阈值滤波(WSTF).......39 [/BR/] 3.3.1小波去噪原理........39 [/BR/] 3.3.2小波去噪阈值函数计算........40[/溴40[/溴/]3.3.3 Matlab仿真........41 [/BR/] 3.4图像质量评估........42 [/BR/] 3.4.1图像的客观评价方法........42

　　3.4.2图像的主观评价方法........43

　　3.4.3算法质量评价指标........43

　　3.5本章摘要........45

　　第4章实验与分析........46

　　4.1实验方案........46

　　4.1.1实验仪器介绍........46

　　4.1.2实验步骤........46

　　4.2实验结果图........47

　　4.3实验结果的灰度剖面分析........48

　　4.4本章摘要........51

　　第五章总结和展望........52

　　5.1概述........52

　　5.2展望........57

　　结论

　　本文以超声图像的散斑分析和去噪为主要研究目标，研究了散斑噪声的产生原理和统计特性，超声图像的散斑模拟，最后利用去噪算法对模拟超声图像和含有散斑噪声的临床超声图像进行去噪。

　　1。散斑噪声的形成和统计特征首先解释了超声医学成像的原理和超声散斑的起源。其次，分析了超声斑点的分布，发现它们服从瑞利分布，得到了它们的概率密度和分布函数。最后，由于成像过程受到电信号的对数压缩，我们得到了对数压缩后的分布函数。利用Matlab软件编程将瑞利分布的散斑噪声加入到x光手骨图中，得到带有散斑噪声的图像。

　　2。超声图像散斑模拟首先，对超声线性成像系统进行了理论研究，如发射声场、散射声场、衰减、接收声场和空之间脉冲响应函数的计算。然后我学习了如何使用场二线性模拟软件包中的换能器设置功能、声场计算功能和系统调节功能。根据b超模拟的流程，模拟了超声声场、发射声束和接收回波。通过与仿真体模的交互，实现了超声散斑噪声的仿真和人体肾脏的B型仿真。

　　3。针对超声散斑去噪中常用经典算法的不足，提出了一种ROF算法，对图像进行全局全变差变换，求解ROF欧拉-拉格朗日方程，实现数值算法。通过对获得的含散斑模拟肾脏b超图像和添加散斑的x光手骨图像进行去噪，利用ROF总变分算法、小波软阈值滤波算法和自适应中值滤波算法对成像图像去噪，利用峰值信噪比(PSNR)和边缘保持系数(P)来评价图像质量，从而得到ROF算法能够很好地平衡去噪效果和细节信息保持两个矛盾。在临床实践中，实际超声成像与模拟之间仍然存在一定的差异，因此我们使用实验室现有的超声扫描仪Focus2202对人体的器官进行超声成像。然后，利用ROF算法、WSTF算法和AMF算法对图像进行推导和去噪。最后，在灰度变化为特征的范围内，取灰度轮廓曲线，对临床超声图像和各种算法处理的图像进行分析。ROF全变分算法在噪声抑制和边缘细节信息保持方面有很好的效果。同时，也表明Field建立的散斑模型更接近真实散斑噪声，可以作为研究散斑去噪算法的客观研究对象。这对医学超声图像散斑去噪的研究具有现实意义。