基于平衡正交多小波的超声图像降噪研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (1): 209-209.

基于平衡正交多小波的超声图像降噪研究

王修信,胡维平

北京师范大学地理学与遥感科学学院

收稿日期:2006-05-09 修回日期:1900-01-01 出版日期:2007-01-01 发布日期:2007-01-01
通讯作者: 王修信 xxwangbnu xxwangbnu

The ultrasound image de-noising study based on balanced orthogonal multiwavelet

Wang Xiuxin,

北京师范大学地理学与遥感科学学院

Received:2006-05-09 Revised:1900-01-01 Online:2007-01-01 Published:2007-01-01
Contact: Wang Xiuxin

摘要/Abstract

摘要： 医学超声图像存在特有的斑点噪声，它大大降低了超声图像的质量，因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性，具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解，然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理，实现降噪目的。结果表明该方法优于硬阈值和软阈值方法，可以有效地降低原图像的斑点噪声并保留图像细节。

关键词: 图像降噪, 平衡正交多小波, 模糊聚类, 半软阈值

Abstract: There were inherent speckle noises in the medical ultrasound image. The image denoising was necessary for the lower image quality. The balanced orthogonal multiwavelet had both orthogonal and symmetry. It had higher resolution and better denoising effect than the scalar wavelet. Therefore, the ultrasound medical image was discomposed to multiwavelet domain. Then its coefficients were shrunk by fuzzy clustering with semi-soft threshold for image de-noising. The result indicated that the method was more effective than hard threshold and soft threshold. The speckle noise in the original image was removed efficiently and at the same time the image details were reserved.

Key words: image denoising, balanced orthogonal multiwavelet, fuzzy clustering, semi-soft threshold

王修信,胡维平. 基于平衡正交多小波的超声图像降噪研究[J]. 计算机工程与应用, 2007, 43(1): 209-209.

Wang Xiuxin,. The ultrasound image de-noising study based on balanced orthogonal multiwavelet[J]. Computer Engineering and Applications, 2007, 43(1): 209-209.

[1]	韩海韵, 杨有龙, 孙丽芹. 结合模糊聚类的多示例集成算法[J]. 计算机工程与应用, 2022, 58(7): 87-96.
[2]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[3]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.
[4]	王永贵，刘凯奇. 一种优化聚类的协同过滤推荐算法[J]. 计算机工程与应用, 2020, 56(15): 66-73.
[5]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[6]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[7]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[8]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[9]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[10]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.
[11]	陈勇1，2，3，周晓锋2，3，李帅1，2，3. 铝电解关键指标预测方法的研究与应用[J]. 计算机工程与应用, 2019, 55(12): 250-258.
[12]	孙佳美，吴成茂. 正则化图形模糊聚类及鲁棒分割算法[J]. 计算机工程与应用, 2019, 55(11): 179-186.
[13]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[14]	宋凯，冯翔，虞慧群. 基于群进化策略的模糊聚类算法[J]. 计算机工程与应用, 2018, 54(4): 36-43.
[15]	祖颖，朱平，马冲. 检验双重性质特征的基因模糊聚类分析方法[J]. 计算机工程与应用, 2018, 54(19): 216-220.